机器学习(Machine Learning)- 吴恩达(Andrew Ng )-笔记
2017-10-10 14:17
369 查看
Supervised learning(regression problem)
监督学习(线性回归)
a straight line to the data or do you want to fit the quadratic function to the data and there’s no fair picking
用一条直线还是二次项函数分析数据取决于真实的数据情况(线性分类器,寻找特定的标记值)->支持向量机回归是指我们的目标是预测一个连续的输出值
分类问题是指离散值输出
无监督学习
相关文章推荐
- Machine Learning|Andrew Ng|Coursera 吴恩达机器学习笔记
- 干货|机器学习零基础?不要怕,吴恩达课程笔记第三周!逻辑回归与正则
- coursera-斯坦福-机器学习-吴恩达-第7周笔记-支持向量机SVM
- 机器学习之&&Andrew Ng课程复习--- 学习笔记(一、二课)
- 机器学习(吴恩达授课)课堂笔记(1)- Intro
- 【吴恩达机器学习笔记】第一周
- 吴恩达斯坦福大学机器学习 CS229 课程学习笔记(二)
- 《机器学习》(Machine Learning)——Andrew Ng 斯坦福大学公开课学习笔记(三)
- 吴恩达《机器学习》笔记-导论
- 课程笔记|吴恩达Coursera机器学习 Week1 笔记-机器学习基础
- coursera-斯坦福-机器学习-吴恩达-第11周笔记-ORC系统
- 斯坦福大学Andrew Ng - 机器学习笔记(1) -- 单变量&多变量线性回归
- coursera-斯坦福-机器学习-吴恩达-第9周笔记(下)-推荐系统
- 机器学习笔记--吴恩达机器学习课程2 - 4
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第6周有关机器学习的小建议
- 吴恩达机器学习笔记(五)
- 斯坦福大学Andrew Ng教授《机器学习》课程的个人学习笔记
- 斯坦福大学Andrew Ng - 机器学习笔记(2) -- 逻辑回归 & 正则化
- Coursera-吴恩达-机器学习-(第2周笔记)Linear Regression with Multiple Variables
- Coursera-吴恩达-机器学习-(第3周笔记)Logistic Regression and Regularization