【干货】监督学习知识手册大全|维基百科书，附103页pdf下载

【导读】监督学习是指利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习,其同样是基于示例输入-输出数据对，在输入和输出数据之间建立数学函数的机器学习任务，而该数学函数来源于对有标签训练数据集的学习过程。函数的输出可以是一个连续的值（称为回归分析），或是预测一个分类标签（称作分类）。一个监督式学习者的任务在观察完一些事先标记过的训练范例（输入和预期输出）后，去预测这个函数对任何可能出现的输入的输出。要达到此目的，学习者必须以"合理"（见归纳偏向）的方式从现有的资料中一般化到非观察到的情况。在人类和动物感知中，则通常被称为概念学习（concept learning）。

主要内容：

• 监督学习

• 统计分类

• 回归分析

• 感知器

• 线性回归

• 逻辑回归

• 支持向量机

• 朴素贝叶斯分类器

• 决策树学习

• 人工神经网络

• 集成学习

• k近邻算法

  
  

  
  

便捷下载：关注专知公众号（点击上方蓝色专知关注）

• 后台回复“SWB” 获取《【干货】监督学习知识手册大全|维基百科书》pdf链接下载索引~

  
  

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加）， 获取专知VIP会员码， 加入专知人工智能主题群，咨询技术商务合作~

点击“阅读原文”，了解注册成为专知会员，查看5000+AI主题知识资料