吴恩达机器学习第一章:线性回归

2021/03/30 机器学习 吴恩达机器学习 共 461 字,约 2 分钟

吴恩达机器学习第一章:线性回归

本文主要是用来记录在学习吴恩达机器学习视频中,理解的部分,线性回归部分主要分为五节,其中第五节Octave教程,由于不太适合现在的科研环境,直接跳过。

[TOC]

第一节:引言(Introduction)

第一节内容比较简单,主要讲述了两个内容,机器学习的初步印象,还有机器学习的分类。下面简略的总结下机器学习的分类内容。

机器学习的内容主要分为两类

  • 监督学习(Supervised Learning):数据集中的每个样本都知道对应的“正确答案”,通过学习之后,模型可以判断一个新的样本属于“正确答案”分类中的哪一种。

    </br>

  • 无监督学习(Unsupervised Learning) :数据集中样本都是没有标签的(正确答案)的,无监督学习就是学习一种策略或者方法,输入大量的数据给模型,模型可以从数据中找出结构。

    </br>

  • 半监督学习(Semi-supervised Learning):数据集合中样本有一部分是有标签的,有一部分是没有标签的,通过学习,把没有标签的数据重新打上标签。

文档信息

Search

    Table of Contents