机器学习1-监督学习和非监督学习

监督学习

简而言之，在一个有标签的数据集的前提下，用合适的算法进行模型的建立和优化。之后我们可以用这个模型对某些特征值进行预测。

无监督学习

直接上图，依然是肿瘤问题，这是监督学习的数据集，每个样本有标签，都被标记了是良性还是恶性

1.这是无监督学习的数据集，可以看到它们的标签都一样，或者是没有标签，我们只是告诉模型这里有一堆数据。我们没有把正确答案告诉模型。
2.我们知道他被分为了两个簇，这里运用了聚类算法，聚类算法在比如Google搜集新闻并分类。

聚类算法应用

1.大型计算集群中，找到那些机器趋向于协同工作，若把他们放在一起，数据中心就能更高效的工作。
2.社交网络分析，在知道了人的一些朋友圈、或者联系最频繁的人后,就能自行识别同一个圈子的朋友，判断哪些人相互认识。
3.市场细分:基于庞大的顾客数据集，将顾客分类为不同的细分市场，从而更好地销售。但我们原先并不知道有什么细分市场，也不能预先知道谁属于什么市场，但是算法要能做到。
4.天文数据分析:带来了星系形成理论

鸡尾酒会算法

将一个音频中两个人不同的声音实现大概的分离，可能会带有一些噪音。