有监督学习

【机器学习】算法分类使用带标签的数据训练模型。有监督学习是机器学习中最常见的一种类型，它利用已知的输入特征和对应的输出标签来训练模型，使模型能够学习到特征与标签之间的映射关系。在训练过程中，模型会不断地调整自身的参数，以最小化预测值与真实标签之间的误差，从而提高预测的准确性。

自信的小螺丝钉

【AI知识】有监督学习之回归任务（附线性回归代码及可视化）1. 回归的基本概念在机器学习的有监督学习中，回归（Regression）是一种常见的任务，它的目标是通过观察数据来建立一个模型，用一个或多个自变量来预测因变量的值。

自信的小螺丝钉

【AI知识】有监督学习分类任务之支持向量机1.支持向量机概念支持向量机（Support Vector Machine, SVM）是一种有监督学习算法，主要用于分类任务（也可用于回归任务，即支持向量回归，SVR）。SVM的核心思想是找到一个最优的超平面（hyperplane）来将不同类别的数据分开，且最大化类别间边界（间隔），从而提高模型的泛化能力。

【Machine Learning】Supervised Learning本笔记基于清华大学《机器学习》的课程讲义监督学习相关部分，基本为笔者在考试前一两天所作的Cheat Sheet。内容较多，并不详细，主要作为复习和记忆的资料。

论文精读：用于少样本目标检测的元调整损失函数和数据增强（Meta-tuning Loss Functions and Data Augmentation for Few-shot Object Detection）论文链接：Meta-Tuning Loss Functions and Data Augmentation for Few-Shot Object Detection