监督学习和无监督学习

监督学习（supervised learning）

我们给算法一个数据集，其中包含了正确答案，
算法的目的就是给出更多的正确答案。
包含回归问题和分类问题。

回归问题（regression problem）
回归是指我们的目标是预测一个连续值输出

例：给出一些不同面积时房子的售价，预测在某个面积时房子的售价。

分类问题（classification problem）
目的是预测离散值输出

例：给出不同肿瘤大小时得的是良性肿瘤还是恶性肿瘤。

无监督学习（unsupervised learning）

当我们得到一个数据集时，
我们不知道要拿它来做什么，也不知道每个数据点究竟是什么，
我们只被告知这里有一个数据集，你能在其中找到某种结构吗？
（即是没有把正确答案给算法）

聚类算法（clustering）是无监督学习的一种。

对于给定的数据集，无监督学习算法可能判定该数据包含n个不同的簇，
并把这些数据分成n个不同的簇。

例：谷歌新闻，所做的就是每天去网络上收集很多条新闻，
       然后把它们组合成一个个新闻专题（自动地分簇），
       有关同一主题的新闻被显示在一起

鸡尾酒会算法（cocktail party algorithm）也是。
例：把同一时间录到的声音区分出来，并得到原本各个音源的声音。