机器学习中的监督学习

监督学习与非监督学习

如果数据集中样本点只包含了模型的输入x，那么就要采用非监督学习的算法；

如果这些样本点以（x，y）这样的输入-输出二元组的形式出现（有数据标签），那么就可以采样监督学习的算法；

监督学习

---

回归

回归问题在生活中非常常见，其最简单的形式是一个连续函数的拟合。

例如：

• 一个购物网站想要计算出其在某个时期的预 期收益，研究人员会将相关因素如广告投放 量、网站流量、优惠力度等纳入自变量，根 据现有数据拟合函数，得到在未来某一时刻 的预测值。

• 回归问题中通常使用均方损失函数来作为度 量模型效果的指标，最简单的求解例子是最 小二乘法。

---

---

线性回归可以应用的场景

1.预测房价

• 假设我们想要预测某个城市的房价。我们可以收集 到该城市过去几年的房价数据，以及一些相关的因 素，比如房屋的面积、房龄、所处区域、楼层等。 我们可以使用这些数据建立一条最佳拟合直线，从 而对未来的房价进行预测。

• 在这个例子中，自变量可以包括面积、房龄、所处 区域等，因变量是房价。

• 我们可以通过最小二乘法来估计截距和斜率的值， 从而得到一条最佳拟合直线。这条直线可以用来预 测未来的房价，也可以用来分析不同因素对房价的 影响。

2.预测销售额

• 假设我们想要预测某家公司未来一年的销售额。

• 我们可以收集到该公司过去几年的销售额数据，以 及一些相关的因素，比如广告投入、促销活动、季 节性因素等。我们可以使用这些数据建立一条最佳 拟合直线，从而对未来的销售额进行预测。

• 在这个例子中，自变量可以包括广告投入、促销活 动、季节性因素等，因变量是销售额。我们可以通 过最小二乘法来估计截距和斜率的值，从而得到一 条最佳拟合直线。这条直线可以用来预测未来的销 售额，也可以用来分析不同因素对销售额的影响。

分类

想要预测（检测）的目标是猫，那么在数据集中猫为正样本 （Positive ），其他狗、兔子、狮子这些数据为负样本 （Negative ）。

• 将这只猫预测（分类）为狗、兔子、其他预测结果为错（False）； 将这只猫预测为猫，预测结果为对（True）。

---

---

虽然准确率可以判断总的正确率，但是在样本不平衡的 情况下，并不能作为很好的指标来衡量结果。 举个简单的例子，比如在一个总样本中，正样本占90%， 负样本占10%，样本是严重不平衡的。 对于这种情况，我们只需要将全部样本预测为正样本即可 得到90% 的高准确率，但实际上我们并没有很用心的分 类，只是随便无脑一分而已。 ◦ 这就说明了：由于样本不平衡的问题，导致了得到的高准 确率结果含有很大的水分。即如果样本不平衡，准确率就 会失效。

---

---

---

小结

•本章对机器学习基础知识进行了介绍，这部分是 理解后续高级操作的基础。

• 监督学习与非监督学习主要针对数据集定义。

• 有监督数据集需要人工标注，成本较为昂贵，但 是在训练模型时往往能够保障效果。

• 无监督数据集一般不需要过多人工操作，可以通 过爬虫等方式自动大量获得。

• 由于没有监督信息的约束，需要设计巧妙的学习算法才能 有效利用无监督数据集训练模型，不过大量廉价数据可以 从另一个方面提高模型性能。

• 模型评估需要根据模型的训练历史判断模型是否处于欠拟 合或过拟合状态。尽管有一定的规律作为指导，而且有一 些工具可以辅助分析，但是模型的评估过程一般需要较为 丰富的经验。

• 读者可以在深度学习实验中有意识地训练自己的模型评估 能力。