本文探讨了机器学习中的两大核心领域：监督学习与无监督学习。监督学习通过已标记的数据集进行训练，旨在预测未知数据的结果，适用于分类和回归问题。而无监督学习则在未标记的数据集中寻找内在结构，常用于聚类分析。本文深入解析了两种学习方式的基本概念、应用场景及算法实例。
- 监督学习 Supervised Learning -
- 我们给算法一个数据集，其中包括了正确的答案，算法的目的就是给出更多的正确答案，它也被称为回归问题。
- 无穷多的特征，很多属性做预测时，那么如何来处理无穷多的特征呢？如何在计算机中存储无穷多数量的事物，以支持向量机算法为例：
分类问题(Classification Problem)、回归问题(Regression Problem)；
- 无监督学习 Unsupervised Learning -
- 数据集没有标签或只有同样的标签，我们不知道要拿它来做什么，也不知道每个数据点究竟是什么？在这个数据集中找到某种结构。
- 无监督学习算法(Unsupervised Learning algorithm)、簇(Clusters)、
聚类算法(Clustering algorithm)
扫一扫
2885
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
