【Machine Learning 一】监督学习与无监督学习

机器学习分为：监督学习，无监督学习，半监督学习（也可以用hinton所说的强化学习）等。

在这里，主要理解一下监督学习和无监督学习。

 

监督学习：   （supervised learning）

给定一定的训练样本，要保证这个样本既有数据，又有数据相对应的结果，利用这个样本进行训练得到一个模型（也就是一个函数），然后利用这个模型，将所有的输入映射相应的输出，之后对输出进行简单的判断从而达到了分类（回归）的效果。简单来说，分类就是离散的数据，回归就是连续的数据。

1. 监督学习中，他的训练样本中是同时包含有特征和标签信息的。
2. 监督学习中，比较典型的问题就是像上面说的分类问题(Classfication)和回归问题(Regression)。

例如：LR,SVM,BP,KNN

 

无监督学习：（unsupervised learning）

与监督学习不同的是，非监督学习虽然给了样本，但是这个样本只有数据，但是没有对应的结果。要求直接对数据进行分析建模。 (KMeans,DL)比如我们去参观一个画展&#