聊到監督學習和無監督學習，很多同學是存在誤區的：
今天就簡單聊聊，
監督學習
無監督學習
1、先確定分組數 k半監督學習2、隨機選擇 k 個值作為資料中心
3、計算其他數值與資料中心的距離，根據距離，完成第一次分組
4、重新選擇新的資料中心，在第 3 步中選擇兩個資料中心
5、再次計算出其他資料與新資料中心的距離，根據距離，再次分組
重複第 4 步，直到資料中心不再變化了。完成分類
實際工作中，python excel finebi中都有聚類功能。設定好分組數，迭代次數、距離計算公式。
有監督學習和無監督學習 無監督學習
一.無監督學習包含的演算法 聚類 kmeans聚類演算法 降維 pca 之所以叫無監督學習 是因為模型是從無標籤的資料開始學習，沒有目標值。二.kmeans聚類 1.聚類演算法步驟 定義 將高維資料轉化為低維資料的過程，在此過程中可能會捨棄原有資料，創造新的變數 作用 降低原始資料的維數 複雜度 損...
監督學習，無監督學習和半監督學習
監督學習 supervised learning 無監督學習 unsupervised learning 半監督學習 semi supervised learning 2 概念 監督學習 用一部分已知分類 有標記的樣本來訓練機器後，讓它用學到的特徵，對沒有還分類 無標記的樣本進行分類 貼標籤。一句話...
監督學習和無監督學習
機器學習要解決的第一類問題是分類問題。機器學習的另一項任務是回歸，它主要用於 數值型資料。大多數人可能都見過回歸的例子 資料擬合曲線 通過給定資料點的最優擬合曲線。分類和回歸都屬於監督學習，之所以稱之為監督學習，是因為這類演算法必須知道 什麼，即目標變數的分類資訊。與監督學習對應的是無監督學習，此時...