1 跟李沐老师学习深度学习(介绍监督【分类回归】、非监督【聚类】)

目录

 

在回归中，我们训练一个回归函数来输出一个数值；

而在分类中，我们训练一个分类器，它的输出即为预测的类别。

---

把关键章节标注了出来~（由于第一章我当年看过视频了，所以就没再看一遍，而是浏览了笔记）

笔记网址：1. 前言 — 动手学深度学习 2.0.0-beta1 documentation

 重点：

当标签取任意数值时，我们称之为回归问题。 我们的目标是生成一个模型，它的预测非常接近实际标签值。

任何有关“多少”的问题很可能就是回归问题。比如：

• 这个手术需要多少小时？

• 在未来六小时，这个镇会有多少降雨量？

“哪一个？”的问题叫做分类（classification）问题。

在分类问题中，我们希望模型能够预测样本属于哪个类别（category，正式称为类（class））。 例如

        最简单的分类问题是只有两类，我们称之为“二元分类”，

        对于手写数字，我们可能有10类，分别数字0到9。则是多元分类

在回归中，我们训练一个回归函数来输出一个数值；

而在分类中，我们训练一个分类器，它的输出即为预测的类别。

然而模型怎么判断得出这种“是”或“不是”的硬分类预测呢？ 可以试着用概率语言来理解模型。 给定一个样本特征，我们的模型为每个可能的类分配一个概率。 比如，之前的猫狗分类例子中，分类器可能会输出图像是猫的概率为0.9。

1 跟李沐老师学习深度学习(数据操作）

n维数组，也称为张量（tensor）