问答
微信用户
1楼
这个打框，为什么是回归呢？视频里没有解释啊，只是给了一个结论。我觉得是聚类啊
尚新途
解释一下:
边界框回归
这是一个回归问题,需要预测4个连续的数值:(x1,y1)和(x2,y2)坐标
通常使用均方误差(MSE)等回归损失函数来优化
目标是精确预测边界框的位置和大小
类别分类
这是一个分类问题,使用softmax输出每个类别的概率
通常使用交叉熵损失函数
目标是准确识别目标物体的类别
所以分类更合适一点
玉
2楼
老师，这里的打框怎么就成了回归了呢？没弄明白
尚新途
后面有讲解哦
anthonywang
3楼
老师，请问 无监督学习任务 只有 聚类 和 降维两种吗？ 还要别的吗？
尚新途
无监督学习任务不仅限于聚类和降维，还包括其他一些任务，例如异常检测、关联规则挖掘、密度估计等。
anthonywang
4楼
老师，以前在学校里学过一门课，将数字化数据处理中 有 采样率的问题，这和本节讲到的降维 有何异同？
尚新途
采样往往指的是有m条样本，然后从m条样本中随机抽取数据，可以是有放回的采样，也可以是无放回的采样；而降维即使对于一条样本也是可以的，因为一条样本也可以有多个维度，比如n个维度，我们只保留其中的一部分维度，或者用将已有的维度进行组合之后再保留，这个就是讲的降维；
所以如果我们把数据集看成是二维的表格，采样是从行的角度说的，降维是从列的角度说的；
