机器学习的分类

我们先来看一下整理好的图： 

一. 监督学习(supervised learning)

监督学习中的监督，supervised代表着监督/指导

就像我们做题库一样，题库里有题 题也有相应的答案 

在反复的做题下，积累的响应类型做题的经验 这样也减少了做错此类题的可能性

就像学生通过反复做题，减少错题率 

利用数据指导机器去学习从而建立模型/总结的方式-就是监督学习

那么分类(classification)与回归(regression)又是什么呢？

分类 - 预测非连续的，离散型数据

(例:机器通过多次样本数据(许多不同的牛和马的图片)中的学习，总结出牛和马的各自特征因而分辨牛和马）

回归 - 预测连续的，定量数据/具体的数值

(例:机器通过多次样本数据(固定的一个类型)中的学习，例如预测疫情增长趋势，房价增长趋势，货币增长趋势等)

简单概括来讲，在有自变量和因变量的条件下:

因变量是一个名字(词)时为分类，是一个数字(据)时为回归

二. 无监督学习(unsupervised learning)

无监督学习就是些监督学习中不包括的方式

赋予机器洞察力 在没有固定答案的情况下 自觉发现新线索 

那什么是聚类(clustering)和关联(association)?

聚类 - 找到类似的数据混为一组/群 

那么聚类和分类的区别是什么？

聚类就是把相似的数据归位一类，而分类则是把收来的一类数据各自放到合适的位