绍兴网站关键词优化,揭阳市网站开发,访问国外网站dns,公司电子商务网站建设策划书定义#xff1a;监督学习指的就是我们给学习算法一个数据集#xff0c;这个数据集由“正确答案”组成#xff0c;然后运用学习算法#xff0c;算出更多的正确答案。术语叫做回归问题 【监督学习可分为】#xff1a;回归问题、分类问题。两种 例#xff1a;一个学生从波特… 定义监督学习指的就是我们给学习算法一个数据集这个数据集由“正确答案”组成然后运用学习算法算出更多的正确答案。术语叫做回归问题 【监督学习可分为】回归问题、分类问题。两种 例一个学生从波特兰俄勒冈州的研究所收集了一些房价的数据。你把这些数据画出来看起来是这个样子横轴表示房子的面积单位是平方英尺纵轴表示房价单位是千美元。那基于这组数据假如你有一个朋友他有一套 750 平方英尺房子现在他希望把房子卖掉他想知道这房子能卖多少钱 解 我们应用学习算法可以在这组数据中画一条直线或者换句话说拟合一条直线根据这条线我们可以推测出这套房子可能卖$150,000当然这不是唯一的算法。可能还有更好的比如我们不用直线拟合这些数据用二次方程去拟合可能效果会更好。根据二次方程的曲线我们可以从这个点推测出这套房子能卖接近$200,000。稍后我们将讨论如何选择学习算法如何决定用直线还是二次方程来拟合。两个方案中有一个能让你朋友的房子出售得更合理。这些都是学习算法里面很好的例子。以上就是监督学习的例子。 【离散值】discrete valued就是孤立的点集像区间它在每一点上都是连续的而像整数集它的每一元素之间都有一点的距离。 例所谓在某一点上连续就是对于该点无论给定一个多么小的正数总能在定义域内找到一点它的函数值到该点的函数值距离小于给定的数。而离散就是指不连续。 想得到的话计算机的随机变量也算是随便找几个人问几个整数得到的也是离散值一个范围内人的身高也算 监督学习例2乳腺癌例 让我们来看一组数据这个数据集中横轴表示肿瘤的大小纵轴上我标出 1 和 0 表示是或者不是恶性肿瘤。我们之前见过的肿瘤如果是恶性则记为 1不是恶性或者说良性记为 0。我有 5 个良性肿瘤样本在 1 的位置有 5 个恶性肿瘤样本。现在我们有一个朋友很不幸检查出乳腺肿瘤。假设说她的肿瘤大概这么大那么机器学习的问题就在于你能否估算出肿瘤是恶性的或是良性的概率。用术语来讲这是一个分类问题。分类指的是我们试着推测出离散的输出值0 或 1 良性或恶性而事实上在分类问题中输出可能不止两个值。比如说可能有三种乳腺癌所以你希望预测离散输出 0、1、2、3。0 代表良性1 表示第 1 类乳腺癌2 表示第 2 类癌症3 表示第 3 类但这也是分类问题。因为这几个离散的输出分别对应良性第一类第二类或者第三类癌症在分类问题中我们可以用另一种方式绘制这些数据点。现在我用不同的符号来表示这些数据。既然我们把肿瘤的尺寸看做区分恶性或良性的特征那么我可以这么画我用不同的符号来表示良性和恶性肿瘤。或者说是负样本和正样本现在我们不全部画 X良性的肿瘤改成用 O 表示恶性的继续用 X 表示。来预测肿瘤的恶性与否。在其它一些机器学习问题中可能会遇到不止一种特征。举个例子我们不仅知道肿瘤的尺寸还知道对应患者的年龄。在其他机器学习问题中我们通常有更多的特征我朋友研究这个问题时通常采用这些特征比如肿块密度肿瘤细胞尺寸的一致性和形状的一致性等等还有一些其他的特征。这就是我们即将学到最有趣的学习算法之一。 我们以后会讲一个算法叫【支持向量机】里面有一个巧妙的数学技巧能让计算机处理无限多个特征。 【监督学习基本思想】是我们数据集中的每个样本都有相应的“正确答案”。再根据这些样本作出预测。就像房子和肿瘤的例子中做的那样 【回归问题】Regression Problem即通过回归来推出一个连续的输出之后我们介绍了分类问题其目标是为了推出一组离散的结果 【分类问题】Classification Problem分类指的是我们试着推测出离散的输出值0 或 1 良性或恶性而事实上在分类问题中输出可能不止两个值 转载于:https://www.cnblogs.com/chenxi188/p/10869724.html
