回歸問題
回歸分析是一種數學模型。當因變數和自變數為線性關係時，它是一種特殊的線性模型
一般來說，回歸分析是通過規定因變數和自變數來確定變數之間的因果關係，建立回歸模型，並根據實測資料來求解模型的各個引數，然後評價回歸模型是否能夠很好的擬合實測資料；如果能夠很好的擬合，則可以根據自變數作進一步**。
其實分類和回歸的本質是一樣的，都是對輸入做出**，其區別在於輸出的型別。
分類問題：分類問題的輸出是離散型變數(如: +1、-1)，是一種定性輸出。(**明天天氣是陰、晴還是雨)
回歸問題：回歸問題的輸出是連續型變數，是一種定量輸出。(**明天的溫度是多少度)。
乙個很好的回歸問題的總結
分類問題，**離散值的一種問題，像老師講的0/1這種**腫瘤良性還是惡性，有時候你也可能得到大於兩個的輸出值
關於監督學習和無監督學習，其實已經很明確了，就是給出的訓練集是否有得出的y值，如果沒有y值，就是無監督學習，希望通過給出特徵值來判斷，特徵值對結果的影響，給出y值，就是監督學習，希望這個機器學習的程式能夠自主學習
吳恩達機器學習筆記
為了解決實際生活中的問題，我們通常需要乙個數學模型。比如，小明有乙個房子 他想賣掉房子 為了知道房子的 小明收集了該地區近兩年的房屋交易 他發現房屋 與房屋大小呈正相關，所以他畫了了一幅圖 小明的房屋大小用紅色的 代替。可見和小明房屋一樣大小的房子並不存在，而類似的房屋 又有很大差別，如此小明決定用...
吳恩達機器學習感悟
吳恩達機器學習，斯坦福2014筆記 由8.2 神經元和大腦想到的 神經重連實驗，比如眼睛連到聽覺皮層，則聽覺皮層學會了看 眼睛連到觸覺皮層，則觸覺皮層學會了看 舌頭上加攝像頭關聯的電極陣列，則負責舌頭感知的皮層學會了看。這寫neuron re wiring實驗，給出的結論是大腦各區使用的是同一種演算...
吳恩達機器學習筆記
sigmoid啟用函式 0，1 x 0,y 0.5 tanh啟用函式 1，1 x 0,y 0 relu啟用函式 x 0,y 0 x 0,y x sigmoid啟用函式 除了輸出層是乙個二分類問題基本不會用它。tanh啟用函式 tanh是非常優秀的，幾乎適合所有場合。relu啟用函式 最常用的預設函式...