【我的学习笔记】machine learning：Supervised Learning and Unsupervised Learning

2019-11-06 06:25:08

字体：大中小

来源：转载

供稿：网友

Supervised Learning and Unsupervised Learning

机器学习：是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。机器学习算法分类：监督学习（supervised learning）、无监督学习（unsupervised learning）、半监督学习（semi-supervised learing）和强化学习（reinforcement learning）。

监督学习

监督学习从训练数据（training data）集合中学习模型，对测试数据（test data）进行预测。监督学习的目的在于学习一个由输入到输出的映射，即找到这样一个模型（又称为假设hypothesis）属于由输入空间到输出空间的映射的集合。当输入变量和输出变量均为连续变量的预测问题称为回归（regression）问题；输出变量为有限个离散变量的预测问题称为分类（classification）问题；输入变量与输出变量均为变量序列的预测问题称为标注(tagging)问题。

（课程中的Housing PRice prediction 和 Breast cancer例子分别介绍回归问题和分类问题）

无监督学习

无监督式学习(Unsupervised Learning )是人工智能网络的一种算法(algorithm)，其目的是去对原始资料进行分类，以便了解资料内部结构。有别于监督式学习网络，无监督式学习网络在学习时并不知道其分类结果是否正确，亦即没有受到监督式增强(告诉它何种学习是正确的)。其特点是仅对此种网络提供输入范例，而它会自动从这些范例中找出其潜在类别规则。当学习完毕并经测试后，也可以将之应用到新的案例上。

无监督学习里典型的例子就是聚类了。聚类的目的在于把相似的东西聚在一起，而我们并不关心这一类是什么。因此，一个聚类算法通常只需要知道如何计算相似度就可以开始工作了

上一篇：四、GC算法实现

下一篇：每周一个Linux命令---ls