40、机器学习中的监督学习与无监督学习

机器学习中的监督学习与无监督学习

1. 机器学习简介

在过去几十年里，社会上为各种目的收集的数据量大幅增加。机器学习是一种利用我们对数据的了解来理解这些数据的方法。在机器学习的通用框架中，计算机首先从给定的数据集进行学习（训练），并创建一个通用模型来表示它。借助这个模型，就可以预测各种结果、成果和分组（类别）。

机器学习主要分为三类：
- 监督学习 ：给定一个简单的数据集，包含输入 x 和输出 y，当 x 和 y 都有已知标签时，算法将 x 映射到 y，训练后可以用 x 作为输入来预测 y 值。
- 无监督学习 ：只有 x 有标签，算法自行找到 y 的标签。
- 强化学习 ：计算机无需将输入映射到结果，而是对输入做出响应。例如下棋或其他游戏的算法就是这样工作的，它们尝试预测如何对输入做出反应，而没有明确可量化的结果，而是寻求强化，比如持续玩游戏直到不出错地结束（即获胜）。

Python 中一个功能丰富且流行的机器学习包是 Scikit - learn。它是 SciPy 工具包的一部分，2007 年首次发布，2011 年的一篇论文对其进行了介绍。该包维护良好，文档丰富。

以下是导入 Scikit - learn 并打印其版本号的代码：

import sklearn
sklearn.__version__

同时，我们还创建了一个 despine 函数，用于移除绘图或绘图网格中