吳恩達機器學習課時4 無監督學習

2022-08-01 02:51:17 字數 518 閱讀 5466

一、簡介

1.在監督學習中,資料集中的每個樣本都被標明為陽性樣本或者陰性樣本,即良性腫瘤或者噁心腫瘤,對於監督學習中的每個樣本,我們已經被清楚的告知了什麼是正確的答案,即他們是噁心腫瘤還是良性腫瘤,下圖左圖是監督學習。在無監督學習中,我們用的資料和之前不同,資料樣本沒有任何標籤,都具有相同的標籤或者沒有標籤,我們拿到乙個資料集,不知道拿他來做什麼,也不知道每個資料點究竟是什麼,我們只是被告知了這裡有乙個資料集

對於這樣的資料集,無監督學習演算法可能判定,該資料集中包含兩個不同的族(clusters),如下圖中包含兩個不同的族,這就是聚類演算法,被用在很多的地方

吳恩達機器學習筆記 監督學習和無監督學習

1.監督學習 通過給定的資料集,進行 得到 正確的答案 並且資料集已經包括了答案。如 100平的房價100w,120平的房價120w,140平的房價140w,通過學習,我們可以 150平的房價150w左右。1.1回歸和分類 回歸指我們的 值應該是個連續輸出值 real valued output 如...

吳恩達機器學習筆記 14 無監督學習

本章講述的是第乙個無監督的機器學習演算法,在無監督的演算法中,樣本資料只有特徵向量,並沒有標註的y值。比如聚類演算法,它可以用在市場分類 社交網路分析 天體資料分析等等。在做聚類時,最簡單的演算法就是k means,一般的流程是 首先隨機選擇k個聚類中心點 遍歷所有的樣本,選擇乙個距離最近的中心點,...

吳恩達機器學習筆記(1) 監督學習和無監督學習

在監督學習中,我們會有一組已經知道輸出結果應該是怎麼樣的資料集,也就是說,知道輸入和輸出之間會有一種特定的關係。然後,在監督學習中問題又被分成 回歸 和 分類 兩類問題。回歸 regression 的是一組連續的輸出結果,也就是說需要將輸入的資料與某個特定的連續函式所對應起來。分類 classifi...