机器学习1.1-1.4——监督学习和无监督学习

监督学习的定义

监督学习指的是，我们给定程序一个数据集，数据集中的各个样本均包括正确数据。程序的目的就是计算出更多的正确数据。

回归

以房价为例，我们会喂给程序一套正确的数据集，程序负责计算出更多的正确数据，这样我们可以根据它的计算结果进行价格预测。这种机器学习类型称为回归。

回归——连续值预测

回归(regression)：对于连续值数据的预测。

分类

同样的，这里我们以预测肿瘤良性与否来说明分类问题。下图给出了肿瘤的良性与否和年龄及肿瘤大小的关系，以x表示恶性肿瘤，以o表示良性肿瘤。算法要做的是我输入一对年龄和肿瘤大小的数据，它能够告诉我是良性还是恶性肿瘤。这种机器学习类型称为分类。

分类(classification)：对于离散值数据的预测。

分类——离散值预测

---

无监督学习的定义

聚类

对比上文所述的分类定义，我们有时候也会需要处理不具有“标签”的问题。举例如下：

如右图所示，我们没有向机器给出”标签“，我们只是提供了一个数据集，让机器自己去分辨出类别，这种机器学习类型称为聚类(clustering)。