吴恩达机器学习笔记-第一章

本文深入浅出地讲解了机器学习的基本概念,包括任务(T)、概率(P)和经验(E)三个核心要素,以及有监督学习和无监督学习的分类。通过实例解释了回归、分类和聚类等关键概念。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

第一章

  • 什么是机器学习(三要素)
  1. T(任务),下跳棋
  2. P(概率),面对新对手获胜的概率
  3. E(经验),让人和机器对弈
  • 机器学习的分类
  1. 有监督学习:数据集中每一个样本都有相对应的“正确答案”,再根据样本进行预测。类似于回归问题,根据回归推出一个连续的输出。最后还有分类问题,推出一组离散的数据。
  2. 无监督学习:只给出一个数据集,将数据分为几个不同的聚类。
  • 机器学习使用的环境
  1. octave

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值