關(guān)系說明，深度學(xué)習(xí)分成監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)，監(jiān)督學(xué)習(xí)分成分類和回歸。

先來了解什么是監(jiān)督學(xué)習(xí)

首先我們應(yīng)該明確什么是回歸問題。為了更好的理解回歸問題我們需要先了解其的所屬于的大類監(jiān)督學(xué)習(xí)。

我們首先來看一下監(jiān)督學(xué)習(xí)是怎么做的，監(jiān)督學(xué)習(xí)并不是指人站在機(jī)器旁邊看機(jī)器做的對(duì)不對(duì)，而是下面的流程：
1.選擇一個(gè)適合目標(biāo)任務(wù)的數(shù)學(xué)模型
2.先把一部分已知的“問題和答案”（訓(xùn)練集）給機(jī)器去學(xué)習(xí)
3.機(jī)器總結(jié)出了自己的“方法論”
4.人類把"新的問題"（測試集）給機(jī)器，讓他去解答

這個(gè)過程中，其實(shí)就隱含了一個(gè)我們不太好注意到的要點(diǎn)，就是為我們其實(shí)是明確輸出的數(shù)據(jù)集是對(duì)應(yīng)什么的例如我們可以清楚地給這個(gè)過程打各種標(biāo)簽，所以是監(jiān)督學(xué)習(xí)，有明確的標(biāo)簽存在。

所以是否有標(biāo)簽就是是否為監(jiān)督學(xué)習(xí)的標(biāo)記。例如：在聚類開始之前，我們是并不清楚有多少類的情況。

之后再來看什么是回歸分析

回歸（regression）是監(jiān)督學(xué)習(xí)的一種，回歸分析的任務(wù)是通過訓(xùn)練數(shù)據(jù)集D學(xué)習(xí)到一個(gè)模型T，使得模型T能夠盡量擬合訓(xùn)練數(shù)據(jù)集D，并且對(duì)于新的輸入數(shù)據(jù)x，應(yīng)用模型T能夠得到預(yù)測結(jié)果f(x)。

回歸與分類是監(jiān)督學(xué)習(xí)的兩種形式，它們的區(qū)別在于回歸的預(yù)測值是一連續(xù)的實(shí)數(shù)，而分類的預(yù)測值是離散的類別數(shù)據(jù)。
或者說回歸問題的預(yù)測結(jié)果是連續(xù)的，比如說要預(yù)測某一天的氣溫，那預(yù)測出來24小時(shí)的溫度就是連續(xù)的，而分類問題通常用于給事物打上一個(gè)標(biāo)簽，比如貓和狗的分類問題。

今天跟著莫煩Python學(xué)習(xí)搭建了一個(gè)簡單的回歸問題的神經(jīng)網(wǎng)絡(luò)

實(shí)驗(yàn)的結(jié)果如下圖所示，通過不斷訓(xùn)練模型，最終可以看到紅色的曲線擬合數(shù)據(jù)集的結(jié)果，而且損失函數(shù)在不斷地減小，說明預(yù)測值和真實(shí)值的誤差在不斷地減小。漸漸的我們的得到的函數(shù)越來越接近實(shí)際情況。

《新程序員》：云原生和全面數(shù)字化實(shí)踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

以上是生活随笔為你收集整理的回归分析笔记（1）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。