机器学习简单入门概念
监督学习
监督学习的关键特征在于需要提供学习算法示例以供学习
即给定输入x和正确标签y,通过查看正确的输入x和标签y学习算法最后实现只给输入x而预测出正确的标签y
监督学习通常分为两种类型: 回归和分类
回归指让机器学习从无限多可能性的数字中预测数字
分类可以分为二分类,和多分类。
连续变量的预测叫回归,离散变量的预测是分类。
无监督学习
根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题,称之为无监督学习
无监督学习通常分为两种类型: 聚类和减维
聚类的目的在于把相似的东西聚在一起,而我们并不关心这一类是什么 最简单的例子如你在看一篇新闻时网站会推送相关新闻,而这就可以通过聚类来实现
降维属于常见的无监督学习之一。使用它的目标包括:数据压缩(压缩数据,使得数据占用较少的内存;对学习算法进行加速)、数据可视化。