INT301(2/14) Perceptron-感知器

Week3:

这节课的主要内容是监督学习，并讲了其中的一种模式：Perceptron

部分定义内容描述（监督学习与无监督学习）：
监督学习：所有的分类在训练所给的例子中已经“见过”。用来训练的数据集必须具有标签（pre-defined classes）。同时，你所要使用的测试数据也需要是相应已经学习过的类才可以。否则会无法识别。

无监督学习：所给出的数据集的类标签都是未知的，而该种学习方式通常被用于给定一组数据，然后确定该组数据中是否存在相应的类或者群/组。

在这里简单的举例一下：
Supervised-使用只有猫和狗的图片来训练，并且图片都具有相应的标签，训练完成后可以高效的识别猫或狗的图片，但是无法识别其它动物。
Unsupervised-使用多种动物的图片，而且每张图片都没有相应的标签，机器会通过识别来对数据进行分析并判断在不同的目标数据之间是否存在分类的可能，并进行相应的分类，最终的训练结束后，机器可以识别数据集中的每种动物，并给予相应的分类名（如果你给出的话，否则由机器提供，近似于知道测试图片和数据集中的哪一类的图片属于同一物种，但没有详细名称）。

监督学习的两个步骤：
学习（训练-Training）：使用训练数据学习一个模型。
测试：使用该模型未识别过的数据去测试模型，以便于去评估该模型的准确性。

Perceptron（主要内容）