機器學習分類
監督學習
無監督學習
強化學習
深度學習
監督學習：回歸問題，意指要**乙個連續的輸出值，比如房價。分類問題，目標是**離散值輸出（0 or 1），比如**腫瘤是良性或惡性，可以有乙個特徵：腫瘤大小，也可以兩個特徵：年齡和腫瘤大小，或者無限多特徵：支援向量機。
分類是將一些例項資料分到合適的類別中，它的**結果是離散的。回歸是將資料歸到一條「線」上，即為離散資料生產擬合曲線，因此其**結果是連續的。
在監督學習中，資料集中的每個例子（已被告知正確答案，即這個資料代表良性還是惡性），演算法將**得到例子的「正確答案」
無監督學習：與監督學習中的例子不同，資料集中的資料，都是一樣的，不知道代表什麼意思。無監督學習演算法會把這些資料分成兩個不同的聚類。例如谷歌新聞，收集成千上萬的新聞，然後自動將他們聚合在一起。又如雞尾酒會演算法，分別輸出
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...
吳恩達機器學習筆記（1）
1 用來進行資料探勘 2 讓機器進行自我學習 3 能對使用者進行個性化定製的應用程式 4 了解人類大腦的執行機制 arthor samuel的定義 是在沒有對機器進行明確的程式設計的情況下讓機器具有自主學習的能力。學習演算法主要分為兩大類，監督學習演算法和非監督學習演算法。監督學習演算法就是明確告訴...