监督学习和非监督学习(Machine learning)

此文章是个人在学习Ng老师的machine learning的课程时，做的笔记，最然网站上有提供相关script ，但是总觉得自己总结一下更便于理解，希望大家共同进步。

监督学习( supervised learning)和非监督学习(supervised learning)是Machine learning的两个主要学习方法。

监督学习：通过已知的样本或者说是训练数据，通过建立模型，来对未来数据进行预测或者分类等操作的方法。总之，监督学习是对要处理的数据已经有了评判标准，例如以下例子：

通过已有数据，我们已经知道房价的走势情况，我们只需建立符合模型，通过此模型对将要预测的数据进行预测。

无监督学习：指的是我们不告诉计算机怎样处理，而是让计算机自己去学习处理一些事情。例如：

在这个例子中，我们只有对应的数据，但是我们并没有告诉计算机，不同数据代表的什么，计算机通过分类，将数据分为上图两种类别，我们可能通过这种分类发下，不同类别的不同特征代表的不同结果。