机器学习之监督学习

当前不论机器算力也好，数据量也罢，各种生活常见中，都充满了出行、兴趣等智能预测。这些都是通过计算机在背后默默完成。如下是一张简单明了的图，表示了机器是如何自我学习，并获得“智能”。

我们生活中碰到最多的场景，通常是通过上面的“监督学习”的人工智能方法。那么监督学习的实现步骤就是左边的这6步：
第一，得到一个有限的训练数据集合，这个就是在图上的左上角，我们拿到的训练数据集就是(x1,y1)、(x2,y2)，一直到(xn,yn)一共有大n个数据点或者叫样本点。
第二是确定模型的假设空间，也就是所有的备选模型。那这一步是在这个图中学习系统的这一部分。学习系统主要包含三个方面，一个就是第二步是模型的假设空间，第二个是第三步中所说的确定模型选择的准则，也就是学习策略。
第四步实现求解最优模型的算法，这三部全都包含在学习系统这一部分。
第5步通过学习方法选择最优模型，那么我们拿到的最优模型就在这个地方，拿到模型以后，我们进行统计，学习的最终目的是要对新的数据进行预测和分析，那么这个就体现在最后的预测系统里面。
最后第六步，我们的预测系统给定一个新的输入的x的值，这里面写的是xn+1，然后把 xn+1 放在预测系统里面，就会得到一个预测值yn+1，这个是我们学习的最终目的。