ML2⃣️：有监督学习和无监督学习

1. 什么是有监督学习和无监督学习

有监督学习和无监督学习一字之差，关键在于是否有监督，也就是数据是否有标签。

2. 有监督学习（有标签）

• 监督学习的主要目标是利用一组带标签的数据，学习从输入到输出的映射，然后将这种映射关系应用到未知数据上，达到分类或者回归的目的。
  

• 主要分为两类：回归（regression）和分类（classification）

2.1 回归 regression

• 用来预测number的，从无限多种可能性的结果中预测。如：预测房价…

2.2 分类 classification

• 用来预测categories，从一小组有限的可能性结果中预测。如：良性/恶性1型/恶性2型，0/1， cat/dog…
  

3.无监督学习（无标签）

• 不依赖任何标签值，通过对数据内在特征的挖掘，找到样本间的关系，如聚类、降维。
• 数据通常只跟随x input，没有y输出值的label。算法需要自己去找出data的structure。
  【没有标签的，需要机器自己去将数据分类】
• 主要分成2种：聚类和降维。

3.1 聚类算法 clustering algorithm

• 聚类问题：将相似的data分到同一组去。
• 如：百度搜索时，会将跟关键词有关的数据都显示出来。

3.2 异常值检测anomaly detection

• 找出unusual data points。
• 在金融系统的欺诈检测很有用。

3.3 降维 dimensionality reduction

• compress data只使用fewer number。