标签：res 一个 不一致 机器学习 局限 regress 对比 机器 训练
陈某在B站上面搜索了监督学习和非监督学习 看完了一段40分钟左右介绍非监督学习算法中介绍期望最大算法（EM算法）的教学视频 也顺带又复习了一遍二项分布以及标准正态的概率密度 极大似然估计的计算方法 ----------了解了算法背景
极大似然估计存在局限性 1.需要事先假定假定数据分类 2.假设的数据分布与真实的数据分布不一致是容易导致较大误差
机器学习分为三个部分：监督学习 半监督学习 非监督学习 我的论题是关于“House Prices: Advanced Regression Techniques”若干解决方案的对比研究 根据多个特征来预测房价 属于典型监督学习任务 因为需要预测一个数值 所以也是一个回归任务
监督学习是有特征和标签的，即便是没有标签的，机器也是可以通过特征和标签之间的关系，判断出标签。监督学习是通过训练让机器自己找到特征和标签之间的联系，在以后面对只有特征而没有标签的数据时可以自己判别出标签。相当于给定数据，预测标签。
常见的有监督学习算法：回归分析和统计分类。
今天对监督学习的学习 让我意识到房价预测的切入点是数据理解与处理，通过训练，让机器可以自己找到特征和标签之间的联系，在面对只有特征没有标签的数据时，可以判断出标签。监督学习的主要分类：回归、分类。房价预测使用使用回归的方法对连续型变量进行预测
先寻找影响房价的因素 再根据训练集构建模型对待测集数据进行预测
标签：res 一个 不一致 机器学习 局限 regress 对比 机器 训练
原文地址：https://www.cnblogs.com/chenhu66/p/12088171.html
