From ff62647ed289a6392a4795caea855166592e2c0d Mon Sep 17 00:00:00 2001 From: fengdu78 Date: Sat, 4 Nov 2017 11:42:03 +0800 Subject: [PATCH] week1 --- week1.md | 3 +-- 1 file changed, 1 insertion(+), 2 deletions(-) diff --git a/week1.md b/week1.md index ace4af46..1bf15bb6 100644 --- a/week1.md +++ b/week1.md @@ -82,8 +82,7 @@ 我有5个良性肿瘤样本，在1的位置有5个恶性肿瘤样本。现在我们有一个朋友很不幸检查出乳腺肿瘤。假设说她的肿瘤大概这么大，那么机器学习的问题就在于，你能否估算出肿瘤是恶性的或是良性的概率。用术语来讲，这是一个分类问题。 -分类指的是，我们试着推测出离散的输出值：0或1良性或恶性，而事实上在分类问题中，输出可能不止两个值。比如说可能有三种乳腺癌，所以你希望预测离散输出0、1、2、 -3。0代表良性，1表示第一类乳腺癌，2表示第二类癌症，3表示第三类，但这也是分类问题。 +分类指的是，我们试着推测出离散的输出值：0或1良性或恶性，而事实上在分类问题中，输出可能不止两个值。比如说可能有三种乳腺癌，所以你希望预测离散输出0、1、2、3。0代表良性，1表示第一类乳腺癌，2表示第二类癌症，3表示第三类，但这也是分类问题。 因为这几个离散的输出分别对应良性，第一类第二类或者第三类癌症，在分类问题中我们可以用另一种方式绘制这些数据点。