机器学习-有监督无监督

前言

根据学习任务的不同可将统计学习分为监督学习、无监督学习、强化学习、半监督学习、主动学习

监督学习

本质是学习输入输出之间映射的统计规律，好比先带人工智障认一遍那些是好瓜那些是坏瓜，让后再给人工智障一批瓜让它识别出那些是好瓜那些是坏瓜，带人工智障学习的认瓜的过程就是监督学习的学习训练过程，让人工智障自己认瓜就叫做预测过程。需要理解的几个名词：

● 输入变量：有限元素构成的集合，即瓜
● 输出变量：有限元素构成的集合，即好瓜 坏瓜这个结果
根据输入输出变量的类型，又可以将其分为：
● 回归问题：变量连续的预测问题，看瓜预测重量，常用算法：线性回归
● 分类问题：变量离散且有限的预测问题，看瓜预测瓜熟了没熟，常用算法：K近邻法、感知机、朴素贝叶斯法、决策树、逻辑斯谛回归模型、SVM、adaBoost、贝叶斯网络、神经网络等
● 标注问题：标注是分类问题的一种推广，标记问题的输入是一个观测序列，输出是一个标记序列或状态序列。标注问题的目标在于学习一个模型，使它能够对观测序列给出标记序列作为预测。如看单词说出它的词性，看评论说出评论在夸人还是骂人，常用算法为：隐性马尔可夫模型、条件随机场

无监督学习

无监督学习的本质是学习数据中的潜在统计规律或潜在结构，给人工智障一批瓜让它自己去识瓜分瓜，可以用这个方法找出离群瓜，分瓜的结果不好量化和衡量，根据解决的问题类型分为：
● 聚类问题：根据数据的特征对数据进行分类，如把瓜分成大中小3类，常用算法如：K均值聚类、
● 降维问题：把相似的特征归纳成一个特征，如西瓜、哈密瓜、香瓜都是瓜
其余延伸的还可以继续学习强化学习（认完一批瓜再教认一批瓜）、半监督学习