0基础机器学习入门（二）——监督学习和无监督学习

本系列文章均来自于学习斯坦福大学2014（吴恩达）机器学习教程所得，感兴趣的当然最好还是去看原视频鸭，也欢迎在下方评论交流，咱们共同学习，冲鸭！
前一节介绍了什么是机器学习，这一节介绍监督学习和无监督学习。

机器学习介绍

通常来讲，机器学习分为两大类，接下来将分别介绍：

• 监督学习
• 无监督学习

监督学习（supervised learning）

在监督学习中，我们提前知道一个数据集，并且知道正确的输出是什么样子的，而且认为输入输出之间存在关系（通俗点讲，就是我们知道有一坨数据以及他们的输出，并且我们认为这两坨数据之间有py交易）

监督学习问题分为“回归（regression）”和分类（classification）“问题：

• 在回归问题中，我们试图在连续输出中预测结果，这意味着我们正在尝试将输入变量映射到某个连续函数。（大概意思就是根据一系列骚操作，我们试图判断下一个骚操作是怎样的，这意味着我们就要尝试判断他们的py关系），举个栗子：给出一张人的照片，预测他的年龄
• 在分类问题中，我们试图在离散输出中预测结果。换句话说，我们正在尝试将输入变量映射到离散类别。（大概意思就是根据一系列骚操作，我们要判断其类别，看看是哪种马叉虫），举个栗子：给出一个人的照片，判断它的性别

无监督学习（unsupervised learning）

现实生活中常常会有这样的问题：缺乏足够的先验知识，因此难以人工标注类别或进行人工类别标注的成本太高。很自然地，我们希望计算机能代我们完成这些工作，或至少提供一些帮助。根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，称之为无监督学习。

无监督的学习则不是尝试预测任何东西，而是寻找数据中的特征，在无监督学习中，有一个重要的方法称为聚类。聚类算法是把具有相同特征的数据聚集在一组（例如某音上把沙雕网友聚集在一起，如果你也沙雕，那么你们就会聚集在一起）。

两者的不同点

• 大致来说，两者最主要的不同点在于有没有给定的正确的输出的数据，有的话，就是监督学习，没有的话，就是无监督学习
• 举个栗子，对于平时的考试来说，监督学习相当于我们做了很多题目都知道它的标准答案，所以在学习的过程中，我们可以通过对照答案，来分析问题找出方法，下一次在面对没有答案的问题时，往往也可以正确地解决。 而无监督学习，是我们不知道任何的答案，也不知道自己做得对不对，但是做题的过程中，就算不知道答案，我们还是可以大致的将语文，数学，英语这些题目分开，因为这些问题内在还是具有一定的联系。