监督学习与无监督学习—机器学习的两大方法

前言

机器学习（统计机器学习）包括监督学习（supervised learning）、无监督学习（unsupervised learning）、半监督学习（semi-supervised learning）、强化学习（reinforcement learning）
这里主要介绍监督学习与无监督学习。

监督学习

1.什么是监督学习？

监督学习的任务是学习一个模型，使模型能够对任意给定的输入，对其相应的输出做出一个好的预测。

监督学习是从给定有限的训练数据出发，假设数据是独立同分布的，而且假设模型属于某个假设空间，应用某一评价准则，从假设空间中选取一个最优的模型，使它对已给的训练数据及未知测试数据在给定评价标准意义下有最准确的预测。

通俗一点来说就是从给定输入和输出的训练数据中集中学习输入和输出之间的映射函数，利用该映射函数预测出测试样本的输出值，其中训练集中的每个样本都由输入和对应的输出组成
所以说，在监督学习中训练数据既有特征(feature) 又有 标签(label)，通过训练，让机器可以自己找到特征和标签之间的联系，在面对只有特征没有标签的数据时，可以判断出标签。

2.监督学习的分类

监督学习包括回归（Regression）和分类（Classification）
回归——预测的目标值是数值型