(監督式）機器學習定義：
機器學習系統通過學習如何組合輸入資訊來對從未見過的資料做出有用的**
標籤是我們要**的事物，即簡單線性回歸中的 y 變數。
特徵是輸入變數，即簡單線性回歸中的 x 變數。
樣本是指資料的特定例項：x
模型定義了特徵與標籤之間的關係。
訓練是指建立或學習模型。也就是說，向模型展示有標籤樣本，讓模型逐漸學習特徵與標籤之間的關係。
推斷是指將訓練後的模型應用於無標籤樣本。也就是說，使用經過訓練的模型做出有用的** (y』)。
回歸模型可**連續值
分類模型可**離散值
機器學習課程 筆記
在alphago血虐人類 和 最強大腦小度精彩表現的刺激下，後知後覺的對人工智慧產生了濃厚的興趣。看了一些相關的介紹和 感覺還是要從基礎學起。出於對大名鼎鼎的andrew老師的膜拜，開始學習他講的機器學習課程。根據自己的理解和老師的講義整理一些筆記，方便自己鞏固和學習。文中會有很多不準確或不通順的理...
機器學習課程討論
機器學習 q 為什麼linearregression 的結果和基於梯度下降的結果差異很大？a 本次實驗的資料集過小，可能造成這樣的誤差，如果需要在大資料集上驗證，可以在kaggle上尋找更大的資料集，例如boston房價資料集，imdb影評資料集。q 實驗我們是需要做課上布置的，還是也能做犀牛學院的...
FPGA機器學習之stanford機器學習第三堂1
請注意 csdn那邊的部落格因為那邊審核的時間太長。搬遷入這裡。stanford機器學習前2堂在csdn的部落格裡面。剛開始他寫了，這個公式第二堂講的，是梯度下降法，房價的那個。如果完全擬合的話，並不能說明你擬合的很好，也有可能是你的資料樣本採集的不正確。過擬合就是說，僅僅是擬合了某種特定狀況的行為...