机器学习初览1（监督学习与无监督学习）

监督学习与无监督学习

1.监督学习

最大的特点在于有输出，同时监督学习还可以进行分类，结果为两种：

（1）回归分析：最经典的例子就是线性回归，用处非常广泛，应用的最多的例子就是给出一系列参数然后预测房价。回归分析和分类最大的区别在于输出是一个连续的值，很多时候可以用函数去进行表示，记得大三数据挖掘考试的时候最后一题就是利用线性回归计算小明的身高。总结，回归分析就是给出一组相关联的数据，专业术语叫做标签（输出）和特征（输入），回归分析的任务就是找出两者之间的关系，从而对未来进行预测。

（2）分类：还是用经典的例子来解释，肿瘤的分类，我需要按照已有的数据来进行判断，归类，最后得出结果，最后的输出也就是分类的结果。（这个地方待改进，感觉有点模糊）

2.无监督学习

 这个地方就必须要提出来，有监督和无监督的区分。简单的概括就是，只有输入，没有输出，专业术语叫做不给出标签。一个很好的例子就是声音区分难题：两个人同时，录下来，计算机去进行分类，把两个人说的话分离开来。这就是最简单的无监督学习，相当于把相似的东西归类到一起去，所以无监督学习可以概括的看成是聚类问题。