1.4 设计循环 1.5学习和适应

本文详细介绍了模式识别系统的完整流程,包括数据采集、特征选择、模型选择、分类器训练及评估等关键步骤,并探讨了有监督学习、无监督学习及强化学习在模式识别中的应用。

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

1.模式识别系统过程

开始——采集数据——选择特征——选择模型——训练分类器——评价分类器

具体:

1.数据采集

2.特征选择

重点是将先验知识和实验数据相结合

3.模型选择

4.训练

训练是本文重点


1.5 学习和适应

有监督学习:分类和回归,所使用的数据是有标签的

无监督学习:聚类。所用的数据是没有标签的。

强化学习:利用模型输出,和真实值进行对比,不断改进模型。


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