首先考慮使用機器學習演算法的目的。如果想要**目標變數的值，則可以選擇監督學習演算法，否則可以選擇無監督學習演算法。
確定選擇監督學習演算法後，需要進一步確定目標變數型別，如果目標變數是離散值，如是/否，則可以選擇分類演算法；如果目標變數時連續性數值，如0.0-100.00，需要選擇回歸演算法；
如果不想**目標變數的值，則可以選擇無監督學習演算法。進一步分析是否需要將資料劃分為離散的組。這是唯一的需求，則使用聚類演算法；如果還需要估計資料與每個分組的相似程度，則需要使用密度估計演算法。
第一章 機器學習基礎介紹
傳統程式設計模式基於規則 資料結構與演算法 和資料。目的為了快速得到答案。當解決問題的規則設定好後，輸入與輸出的唯一確定的。機器學習是將資料與資料的輸出統一作為輸入，計算機經過學習得到輸入與輸出之間的知識。這裡的知識也指輸入資料與輸出資料的規則。這是指有監督學習中的學習方法劃分類別。由資料學習訓練集...
機器學習第一章
q 什麼是機器學習 機器學習不同於以往的計算機程式設計，致力於研究如何通過計算機手段，利用以往的經驗來改善系統自身的效能。一般的程式設計都是明確的告訴電腦該做什麼。機器學習希望提供資料給學習演算法，讓它自己學習，找到其種的規律。在面對新情況的時候就能應用已產生的模型，提供相應的判斷。機器學習的本質任...
機器學習第一章
今天進行了機器學習第一章的學習，我覺得首先你可以認清這些概念 1 模型 策略 演算法 2 分類與回歸的概念 3 監督 無監督 半監督問題 2 過擬合 欠擬合 下面是拓展的一些概念 海森矩陣 黑塞矩陣 hessian matrix 又譯作海森矩陣 海瑟矩陣 海塞矩陣等，是乙個多元函式的二階偏導數構成的...