此系列笔记来源于
Coursera上吴恩达老师的机器学习课程
机器学习：
计算机程序根据经验E，去处理任务T，用指标P来测量评判。
a computer program is said to learn from experience E with respect to
some task T and some performance measure P, if its performance on T,
as measured by P, improves with experience E.
机器学习主要分为有监督学习和无监督学习
有监督学习 Supervised Learning
有监督学习指的是有正确答案(数据集、已知正确事实)的预测学习。比如房价的预测，有实际的数据，根据数据进行预测。
有监督学习解决了两类问题：回归问题 和 分类问题。
回归问题往往指输出数据连续的相关问题，一般如房价预测，给定房子的相关特征(variables)后这些房价的数据是连续的。最终则是要预测一个具体的值，比如可以通过已知数据做出一条直线、二次函数……来预测所要的值
分类问题往往指的是输出数据离散的相关问题，如判断一个肿瘤是恶性还是良性，我们可以根据肿瘤大小，将结果分为0(良性) 和 1(恶性)，当然其特征数量也可以是两个、三个乃至无穷。
无监督学习 Unsupervised Learning
无监督学习指的是没有给定正确答案的预测学习。
我们可以通过给定数据中提取出变量之间的结构、关系，无监督学习没有基于预测结果的反馈。
无监督学习可以分为聚类问题Clustering 和 Non-clustering
聚类问题：即将数据归类，例如：给定一个基因的数据集，我们可以通过基因中的各种特征，将基因归类
非聚类问题：例如：鸡尾酒宴算法，给定一个混乱的声音，我们从中提取相关信息，如将背景音乐和人声分开提取出来。
标签：问题,预测,学习,监督,给定,数据 来源： https://www.cnblogs.com/yramvj/p/16197579.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。