人工智能基础03机器学习（练习题）: 监督：分类与回归；无监督：降维与聚类中的K-means；半监督

文章目录

课本习题
1. 监督学习的实例
* 过拟合与欠拟合
* 常见损失函数及其评价标准
* 无监督分类算法之k-means的核心计算流程
* k-means算法的基本原理
具体算法步骤

  * 5\. 无监督分类，Kmeans 三分类问题
  * 6\. 变换距离函数

• 重点回顾
  • • 1. 监督学习、半监督学习和无监督学习的基本内涵
    • 2. 根据具体的学习场景来识别并选择最适合的学习模式
    • 3. 监督学习关注的核心问题是明确分类与预测连续数值之间的关键区别
    • 4. 分类问题与回归问题的主要区别在于前者是明确分类而后者则是预测连续数值
    • 5. 无监督学习的核心内容则聚焦于聚类分析与数据降维技术的应用

重点：
了解掌握机器学习中监督学习、无监督学习和半监督学习的概念

• 探讨监督学习方法及其与非监督、半监督学习的区别。
• 根据具体应用场景准确识别出所采用的学习模式。
• 督管学习的核心研究领域（分类与回归）。分类问题的本质是什么？回归问题的核心目标是什么？
• 无监督学习的核心研究领域（聚类与降维）。聚类分析的本质是什么？降维技术的核心是什么？

课本习题

1.