三 -- Types of Learning 上节课我们主要介绍了解决线性分类问题的一个简单的方法：PLA。PLA能够在平面中选择一条直线将样本数据完全正确分类。而对于线性不可分的情况，可以使用Pocket Algorithm来处理。本节课将主要介绍一下机器学习有哪些种类，并进行归纳。 1. ...

是否在人类监督下进行训练（监督，无监督和强化学习） 在机器学习中，无监督学习就是聚类，事先不知道样本的类别，通过某种办法，把相似的样本放在一起归位一类；而监督型学习就是有训练样本，带有属性标签，也可以理解成样本有输入有输出。 所有的回归算法和分类算法都属于监督学习。回归和分类的算法区别在于输出 ...

机器学习--分类问题 分类问题是监督学习的一个核心问题，它从数据中学习一个分类决策函数或分类模 型(分类器（classifier）)，对新的输入进行输出预测，输出变量取有限个离散值。 决策树 决策树 ...

1.机器学习的主要任务：一是将实例数据划分到合适的分类中，即分类问题。 而是是回归， 它主要用于预测数值型数据，典型的回归例子：数据拟合曲线。 2.监督学习和无监督学习： 分类和回归属于监督学习，之所以称之为监督学习，是因为这类算法必须直到预测什么，即目标变量的分类信息。 对于无 ...

机器学习算法可以分为两大类：监督学习与非监督学习。数据集构成：‘监督学习：特征值+目标值；非监督学习：特征值’。 监督学习： 分类：K-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络 回归：线性回归、岭回归 标注：隐马尔可夫模型 注：分类：目标值离散型数据；回归 ...

转自@王萌，有少许修改。 机器学习起源于人工智能，可以赋予计算机以传统编程所无法实现的能力，比如飞行器的自动驾驶、人脸识别、计算机视觉和数据挖掘等。 机器学习的算法很多。很多时候困惑人们的是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍，第一个方面 ...

简介 机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论等多门学科。它是人工智能（AI）的核心，是使计算机具有智能的根本途径。目前已广泛应用于数据挖掘、计算机视觉、自然语言处理、检测信用卡欺诈、证券市场分析、搜索引擎、无人驾驶、机器人等领域。 分类 按照学习方法 监督式学习 ...

多分类及多标签分类 单标签二分类 单标签二分类问题为最为常见的算法，主要指：label的取值只有两种，即每个实例可能的类别只有两种(A or B)；此时的分类算法其实是在构建一个分类的边界将数据划分为两个类别； 常见的二分类算法有：Logistic，SVM，KNN等 \[y=f(x ...