# The main focus of machine learning is making decisions or predictions based on data

Yüklə 167,41 Kb.
Pdf görüntüsü
 səhifə 2/13 tarix 02.01.2022 ölçüsü 167,41 Kb. #45744
Chapter 1 Introduction

 1 Problem class There are many different problem classes in machine learning. They vary according to what kind of data is provided and what kind of conclusions are to be drawn from it. Five stan- dard problem classes are described below, to establish some notation and terminology. In this course, we will focus on classification and regression (two examples of super- vised learning), and will touch on reinforcement learning and sequence learning. 1.1 Supervised learning The idea of supervised learning is that the learning system is given inputs and told which specific outputs should be associated with them. We divide up supervised learning based on whether the outputs are drawn from a small finite set (classification) or a large finite or continuous set (regression). 1.1.1 Regression For a regression problem, the training data D n is in the form of a set of pairs {(x ( 1) , y ( 1) ) , . . . , (x (n) , y (n) )} where x (i) represents an input, most typically a d-dimensional vector of real and/or dis- crete values, and y (i) is the output to be predicted, in this case a real-number. The y values Many textbooks use x i and t i instead of x (i) and y (i) . We find that notation somewhat dif- ficult to manage when x (i) is itself a vector and we need to talk about its elements. The no- tation we are using is standard in some other parts of the machine- learning literature. Many textbooks use x i and t i instead of x (i) and y (i) . We find that notation somewhat dif- ficult to manage when x (i) is itself a vector and we need to talk about its elements. The no- tation we are using is standard in some other parts of the machine- learning literature. are sometimes called target values. The goal in a regression problem is ultimately, given a new input value x (n+ 1) , to predict the value of y (n+ 1) . Regression problems are a kind of supervised learning, because the desired output y (i) is specified for each of the training examples x (i) . Last Updated: 08/04/21 21:06:54 MIT 6.036 Fall 2021 6 Yüklə 167,41 Kb.Dostları ilə paylaş:

Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©www.azkurs.org 2022
rəhbərliyinə müraciət

Ana səhifə