斯坦福机器学习 Lecture1 (机器学习,监督学习、回归问题、分类问题定义)

https://www.bilibili.com/video/BV1JE411w7Ub?p=1\&vd_source=7a1a0bc74158c6993c7355c5490fc600

笔记如下

机器学习的定义:不需要明确编程就能让计算机去学习做某件事情

另一个定义

什么是监督学习?

给定一组 (x,y) 样本,学习一个 x->y 映射,接着用这个映射去预测新的 x 的 y,这就是监督学习

回归问题:要预测的 y 的值是连续的

分类问题:要预测的 y 的值是离散的

TODO:here

相关推荐
Risk Actuary6 小时前
快速傅里叶变换与聚合风险精算模型
人工智能·深度学习·机器学习
没有梦想的咸鱼185-1037-16637 小时前
AI-Python机器学习、深度学习核心技术与前沿应用及OpenClaw、Hermes自动化编程
人工智能·python·深度学习·机器学习·chatgpt·数据挖掘·数据分析
m0_634666738 小时前
OpenDeepThink:让大模型不再只沿着一条思路硬想
人工智能·深度学习·机器学习
weelinking8 小时前
【企业级】企业级大模型合规实战:数据安全与跨境传输的技术解决方案
数据库·人工智能·机器学习·云计算·github
穗余10 小时前
什么是模型幻觉?为什么会出现? 模型幻觉是阻碍落地的最重要的原因。
人工智能·机器学习
AI技术控11 小时前
论文解读:AE-TCN-SA——基于自编码器、TCN 与自注意力机制的锂电池内短路诊断方法
人工智能·python·深度学习·算法·机器学习·自然语言处理
CCC:CarCrazeCurator12 小时前
DriveGen: 基于扩散 Transformer 的驾驶场景视频生成器
人工智能·机器学习·自动驾驶
这张生成的图像能检测吗14 小时前
(论文速读)TSSA:令牌统计自注意力机制
人工智能·机器学习·注意力机制·长序列建模·视觉分类
aisifang0014 小时前
GPT-Image2去偏见技术新突破
人工智能·算法·机器学习