← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9416.b · 生成模型:Tencent Hunyuan Hy

监督学习与回归、分类

理解等级:初级

监督学习是带有标签的学习方式:训练集里每个输入都配有已知的预期输出,算法要学的是从输入映射到输出的那个函数,可以是 y = mx + c 这样的线性形式,也可以是多项式这样的非线性形式。按输出类型,监督任务分成两支。回归预测连续值,例如根据面积、位置、房间数估计房价,函数线性时称线性回归,非线性时称多项式回归,多变量时称多元回归。分类则输出离散类别,例如依据花瓣与萼片尺寸判断花的品种,逻辑回归、决策树、朴素贝叶斯都属于这一类。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 深度学习入门 机器学习的任务分类与深度学习 · 查看原书依据

      在监督学习中,数据集既包含输入数据点又包含预期输出,通常称为标签。 该算法的工作是学习从输入到预期输出的映射函数。 该函数可以是线性函数,例如y = mx + c或非线性函数,例如y = ax3 + bx2 + cx + d,其中y为目标输出,x为输入。 所有监督学习任务都可以归类为回归和分类。

    参考来源

    - 位置:《Python深度学习架构实用指南(初译)》第01章《深度学习入门》(源文件:`../../book-sources/extracted/Python深度学习架构实用指南(初译)/_epub-src/OEBPS/Text/04.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文先定义监督学习的标签与映射函数,再区分回归和分类并给出房屋、花卉实例,支撑本卡的两分支结论。 - 原始内容:在监督学习中,数据集既包含输入数据点又包含预期输出,通常称为标签。 该算法的工作是学习从输入到预期输出的映射函数。 该函数可以是线性函数,例如y = mx + c或非线性函数,例如y = ax3 + bx2 + cx + d,其中y为目标输出,x为输入。 所有监督学习任务都可以归类为回归和分类。