机器学习入门——机器学习分类

机器学习分类

• 监督学习

• 监督学习的定义

监督学习从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个函数预测结果。监督学习的训练集要求是包括输入和输出，也可以说是特征和目标。训练集中的目标是由人标注的。常见的监督学习算法包括回归分析和统计分类。

• 常见的监督学习

假设有如下一组销售数据：

index 单价 x1 销量 x2 利润 y 1 40 50 100 2 43 51 105 3 44 45 105 4 46 39 104 5 54 88 145 6 63 150 233 7 78 56 214 8 43 76 200 9 98 88 543 10 43 66 23

在这里我们将利润称作y，这里有两个影响利润的因子：分别为单价（x1）和销量（x2） ,所以我们也可以将函数模型写成 y = w1x1+w2x2+b 这里w1与w2都称作系数，b称作截距。

我们的目的就是通过以往的数据推算出模型，然后用模型来预测将来的值，类似这种我们有明确预测目标值的模型我们就称作监督学习，

• 无监督学习

• 无监督学习的定义

无监督学习与监督学习相比，训练集没有人为标注的结果。常见的无监督学习算法有聚类。

• 常见的无监督学习
  假设有如下一组数据：

客户ID 姓名 存款 性别 收入 1 Nick 100000 male 200000 2 judy 200000 female 30000 3 王五 5000 male 6000 4 刘能 6000 male 5000

我们需要根据这些信息对客服进行分类，分成高、中、低三档，类似这种对数据进行聚类的场景我们将其称之为无监督学习