有监督学习、无监督学习、分类、聚类、回归等概念

有监督学习、无监督学习、分类、聚类、回归等概念

这篇是很久之前写的了.. 后来才开始上 Andrew Ng 老师的 MOOC，发现其实老师讲得很好了，建议有时间看看他的《Machina Learning》，只看第一节课就可以很了解这些概念了。

主要内容

1. 有监督学习、无监督学习、分类、聚类、回归等概念

有监督学习、无监督学习、分类、聚类、回归等概念

这里举一个给书本分类的例子。部分参考 什么是无监督学习？ - 王丰的回答 - 知乎 。

1. 特征（feature）

   数据的特征。

   书的内容。

2. 标签（label）

   数据的标签。

   书属于的类别，例如“计算机”“图形学”“英文书”“教材”等。

3. 学习（learning）

   将很多数据丢给计算机分析，以此来训练该计算机，培养计算机给数据分类的能力。换句话说，学习指的就是找到特征与标签的映射（mapping）关系。这样当有特征而无标签的未知数据输入时，我们就可以通过已有的关系得到未知数据标签。

   把很多书交给一个学生，培养他给书本分类的能力。

4. 有监督学习（supervised learning）