摘要: 机器学习中的逼近目标函数过程 监督式机器学习通常理解为逼近一个目标函数(f)(f),此函数映射输入变量(X)到输出变量(Y). Y=f(X)Y=f(X) 这种特性描述可以用于定义分类和预测问题和机器学习算法的领域。 从训练数据中学习目标函数的过程中,我们必须考虑的问题是模型在预测新数据时的泛化性能。 阅读全文
posted @ 2017-12-09 21:22 Element_01 阅读(1278) 评论(0) 推荐(0) 编辑
摘要: 监督学习 预测变量:已知结果 人工输入正确的已知结果,机器使用已知信息预测新的结果。 回归:估计连续变量(输入确切值) 分类:定义一个类别(离散值、布尔值、定类变量) 无监督学习 发现数据中的结构,结果未知。 人工输入未定义结果的数据。机器发现隐藏在数据中的有用信息 聚类分析:进行分组 密度分析:近 阅读全文
posted @ 2017-12-09 21:19 Element_01 阅读(582) 评论(0) 推荐(0) 编辑