這一章，我們將會介紹監督式學習，接著再介紹歷史以及為什麼類神經網路會這麼強。
machine learning主要可以分成兩種，分別是監督式學習與非監督式學習。這兩個主要的區別就是是否需要具有標籤的數據。非監督式學習可以說是尋找資料的pattern。舉個例子來說，一組二維的資料，如果直接畫出來可以明顯看出資料分佈是兩個群，那就很適合用非監督式學習自動找出這兩群的規則，不需要標籤就可以達到。而這門課程，我們是專注在監督式學習。這邊舉了一個預測性別和小費跟總花費的例子。如果是要預測小費，因為價錢是連續的數據，我們適合用線性迴歸來做。如果是要預測性別，因為性別是離散的數據，適合用分類來處理。所以，我們一定必須要根據我們的數據類型來決定處理的方法。
iThome鐵人賽
看影片追技術