2018/8/13 Stanford University - Machine Learning 第一课:机器学习的动机和应用
机器学习分为 监督学习supervised learning 有正确的答案 实例：回归问题regression problem: 变量连续 分类问题classification problem：离散变量 无监督学习unsupervised learning 实例：聚类clustering 强化学习reinforcement learning 回报函数reward function good dog
相关文章
- 1. 机器学习（Machine Learning）第一天
- 2. Splunk机器学习应用(Machine Learning Toolkit)
- 3. Octave/Matlab Tutorial [coursera] Machine learning - Stanford University - Andrew Ng
- 4. 【Machine Learning, Coursera】机器学习Week6 机器学习应用建议
- 5. 【机器学习】Stanford Machine Learning 学习笔记（二）
- 6. Ex04 [coursera] Machine learning - Stanford University - Andrew Ng
- 7. Ex06 [coursera] Machine learning - Stanford University - Andrew Ng
- 8. 机器学习的动机与应用
- 9. VisualStudio2019机器学习Machine Learning
- 10. Stanford机器学习---第九讲. 聚类
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • 漫谈MySQL的锁机制
- • 适用于PHP初学者的学习线路和建议
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 机器学习（Machine Learning）第一天
- 2. Splunk机器学习应用(Machine Learning Toolkit)
- 3. Octave/Matlab Tutorial [coursera] Machine learning - Stanford University - Andrew Ng
- 4. 【Machine Learning, Coursera】机器学习Week6 机器学习应用建议
- 5. 【机器学习】Stanford Machine Learning 学习笔记（二）
- 6. Ex04 [coursera] Machine learning - Stanford University - Andrew Ng
- 7. Ex06 [coursera] Machine learning - Stanford University - Andrew Ng
- 8. 机器学习的动机与应用
- 9. VisualStudio2019机器学习Machine Learning
- 10. Stanford机器学习---第九讲. 聚类