监督学习和无监督学习

学习篇（二）监督学习和无监督学习

根据训练数据是否有标记信息，学习任务大致分为：
监督学习(supervised learning)和无监督学习(unsupervised learning)

分类和回归是前者的代表，而聚类是后者的代表。

概念：

1.监督学习（Supervised learning）
从给定的数据集中学习出一个函数（模型参数），当新的数据到来时，可以根据这个函数预测结果。

举例：不仅把书给学生进行训练给书本分类的能力，而且把分类的结果（哪本书属于哪些类别）也给了学生做参考标准。

2.无监督学习（Unsupervised learning）
样本数据类别未知，需要根据样本间的相似性对样本集进行聚类，试图使类内差距最小化，类间差距最大化。

举例：只给学生进行未分类的书本进行训练，不给标准参考，学生只能自己分析哪些书比较像，根据相同与相似点列出清单，说明哪些书比较可能是同一类别的。

区别：
有监督学习方法必须要有训练集与测试样本。在训练集中找规律，而对测试样本使用这种规律。而无监督学习没有训练集，只有一组数据，在该组数据集内寻找规律。

选择：
简单的方法就是从定义入手，有训练样本则考虑采用监督学习方法；无训练样本，则一定不能用监督学习。