机器学习 - 吴恩达版(Stanford)笔记 003

Topic: definition of supervised learning

如果你有一个朋友想卖掉自己的房子，他的房子大小是想知道自己的房子可以卖多少钱。

学习算法可以帮助他做什么呢？

学习算法可以根据数据画一条直线或者曲线来拟合数据.

如果用一条直线来拟合数据点，我们大致可以得出，房子可以卖150,000刀

但也许我们有更好的拟合方式，比如使用多项式或者高次函数。

例如使用二次函数(quadratic function),我们就可能得到更近似的结果，200,000美刀

而监督学习的重点就在于有一个“right answer”集合。

而根据这个集合，机器可以发掘出集合的一般规律，从而在一定限制下（比如给定feature，给定函数形式 以求参数）得到一个拟合数据集的函数表达。

而上图这样的操作叫Regression, Regression是根据一般规律预测未知数据的结果。

还有一类操作叫Classification。

比如这个例子，就是根据年龄和肿瘤大小，使用以往的经验来判断新患者恶性肿瘤的概率是多少。

可见，与Regression相似的是，我们仍然可以用一条直线或别的曲线来进行classification操作。

但不同点在于，classification不太可能正好把“right answer”集合的错有结果都正确的分为两类。

而判断一个分类函数的参数的好坏，也不只是看正确率，这个问题我们在classification的具体章节会详细讲到。

总得来说，Regression是对连续值的预测，Classification是对离散值的分类。

以上是本节全部内容。