【吴恩达机器学习】学习笔记——1.4监督学习
2018-02-12 22:57
155 查看
监督学习:给定正确答案
1 回归:预测连续值的输出
2 分类:输出离散值
好的学习算法一般依据的特征(维度)是无穷的,而支持向量机这种算法,使用简洁的数学表达可以使电脑处理无限多的特征属性。
1 回归:预测连续值的输出
2 分类:输出离散值
好的学习算法一般依据的特征(维度)是无穷的,而支持向量机这种算法,使用简洁的数学表达可以使电脑处理无限多的特征属性。
相关文章推荐
- 吴恩达机器学习 学习笔记 之 一 监督学习和无监督学习
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第6周有关机器学习的小建议
- coursera-斯坦福-机器学习-吴恩达-第8周笔记-无监督学习
- 【吴恩达机器学习】学习笔记——1.3机器学习的定义
- 【吴恩达机器学习学习笔记01】监督学习和无监督学习介绍
- 吴恩达机器学习 学习笔记 之 六 Logistic Regression —— 逻辑回归
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第4周神经网络
- 吴恩达深度学习课程笔记 1.4为什么深度学习会兴起?
- 机器学习笔记--吴恩达机器学习课程2 - 3
- 干货|机器学习零基础?不要怕,吴恩达机器学习课程笔记2-多元线性回归
- 吴恩达神经网络和深度学习课程自学笔记(八)之机器学习策略
- 吴恩达机器学习 学习笔记 之 五 Octave 学习
- 吴恩达机器学习 学习笔记 之 三 线性代数基础
- 【吴恩达机器学习】学习笔记——2.1单变量线性回归算法
- 【吴恩达机器学习】学习笔记——梯度下降
- 吴恩达深度学习课程笔记 1.3用神经网络进行有监督学习
- 机器学习-学习笔记2-监督学习中回归方程的建立以及预测
- 【吴恩达机器学习】学习笔记——1.5无监督学习
- 吴恩达机器学习课程笔记——第一周
- 吴恩达(Andrew Ng)深度学习工程师笔记 - 第一门课-神经网络和深度学习-第一周深度学习概论-第三节:用神经网络进行监督学习