Week One - 3. Andrew Ng - 非监督学习
在前面的监督学习中，已获取的数据集中包含正确答案，因此计算机可以通过学习来发现数据和正确答案之间的关系，进而进行预测。接下来，我们要计算机学习那些为赋予正确答案的数据。 在上图中，我们对于数据的类别一无所知，现在只有x1和x2两个特征，对于无监督算法，我们能做的就是聚类。 情景一: 谷歌新闻每天都会收集成千上万的新闻，然后将他们聚合称为不同的类别，形成新闻专题。 情景二： 拿来一些不同的个体和他们
相关文章
- 1. Week One - 2. Andrew Ng - 监督学习
- 2. Andrew Ng chapter14 无监督学习------K Means
- 3. Coursera | Andrew Ng (01-week-1-1.3)—用神经网络进行监督学习
- 4. 【Machine Learning】【Andrew Ng】- notes(Week 3: Multiclass Classfication)
- 5. 监督学习之Logistic regression——Andrew Ng机器学习笔记（二）
- 6. Coursera | Andrew Ng (01-week-2-2.2)—Logistic 回归
- 7. Machine Learning — 监督学习与非监督学习
- 8. Machine Learning笔记（一） 监督学习、非监督学习
- 9. 【Machine Learning】【Andrew Ng】- Quiz(Week 7)
- 10. 【Machine Learning】【Andrew Ng】- Quiz2(Week 8)
- 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
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • Kotlin学习（二）基本类型
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。
最新文章
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Week One - 2. Andrew Ng - 监督学习
- 2. Andrew Ng chapter14 无监督学习------K Means
- 3. Coursera | Andrew Ng (01-week-1-1.3)—用神经网络进行监督学习
- 4. 【Machine Learning】【Andrew Ng】- notes(Week 3: Multiclass Classfication)
- 5. 监督学习之Logistic regression——Andrew Ng机器学习笔记（二）
- 6. Coursera | Andrew Ng (01-week-2-2.2)—Logistic 回归
- 7. Machine Learning — 监督学习与非监督学习
- 8. Machine Learning笔记（一） 监督学习、非监督学习
- 9. 【Machine Learning】【Andrew Ng】- Quiz(Week 7)
- 10. 【Machine Learning】【Andrew Ng】- Quiz2(Week 8)