机器学习-(1):监督学习
来源:互联网 发布:sql insert into 多表 编辑:程序博客网 时间:2024/05/24 04:53
监督学习
在监督学习中,我们获得了一个数据集,并且已经知道我们正确的输出应该是什么样子的,这意味着输入和输出之间有一个关系。
受监督的学习问题分为“回归”和“分类”问题。在回归问题中,我们试图在连续输出中预测结果,这意味着我们正在尝试将输入变量映射到一些连续函数。在分类问题中,我们试图用离散输出来预测结果。换句话说,我们正在尝试将输入变量映射到离散类别。
示例1:
根据房地产市场规模的数据,尝试预测房价。价格作为大小的函数是连续的输出,所以这是一个回归问题。
我们可以将这个例子变成一个分类问题,而不是让我们的产出是关于房子“卖出多于或者低于要价”。在这里,我们将房价分为两类。
示例2:
(a)回归 - 鉴于一个人的照片,我们必须根据给定的图片来预测他们的年龄
(b)分类 - 鉴于肿瘤患者,我们必须预测肿瘤是恶性还是良性。
阅读全文
0 0
- 机器学习(1):监督/非监督学习
- 机器学习-(1):监督学习
- 【机器学习】监督学习 1
- 监督学习(机器学习)
- 机器学习-监督学习
- 机器学习笔记1---监督学习和无监督学习
- 机器学习(1)监督学习和无监督学习
- 机器学习笔记 (一) 监督学习、无监督学习
- 机器学习笔记(1)-简介监督学习与无监督学习
- 机器学习初览1(监督学习与无监督学习)
- python_机器学习(1)无监督学习
- 机器学习入门(1)--监督式学习
- 【机器学习】(4):监督式学习
- 机器学习--监督学习(一)
- 机器学习--监督学习(二)
- 机器学习(一)监督学习
- 机器学习(二)无监督学习
- 机器学习-(2):无监督学习
- BZOJ 3643 Phi的反函数
- Pandas index详解
- C语言里面,四舍五入的原理
- R语言评测回归模型的性能
- 协方差和协方差矩阵详解
- 机器学习-(1):监督学习
- tensorflow 中MNIST数据集下载
- iOS AVAssetExportSession视频进行转码、裁剪
- Java多线程之模拟一个阻塞队列
- Android相机开发中遇到的坑(注意事项)
- 两数组的交 II
- 导入SDE类型为esriGeometryPoint,在SDE中导出为esriGeometryAny
- Dao使用jdbcTemplate(注入过程)
- tcp超时重传