一、概述
机器学习算法可以分为监督学习(Supervised Learning)和非监督学习(Unsupervised Learning)。
二、监督学习概述
监督学习是在已知一些训练集(training examples)情况下,通过对训练集的训练,找出合适的模型后,用于预测一些数据。
分类(Classification)和回归(Regression)是监督学习的两个经典例子
比如下图的是一个回归问题,我们已知了一些房子大小和对应价格,怎么选择最好拟合模型来表示,并用于预测:
下图是一个分类的例子,根据人的年龄和肿瘤的大小,来预测该肿瘤是良性(画圈)还是恶性(画叉),这里用到了年龄和肿瘤大小两个特征,我们还可以加入更多特征比如肿瘤形状等。分类也可以分为不止2种:
三、非监督学习概述
非监督学习是在没有任何训练集的情况下,直接对数据进行建模。聚类(Cluster)是非监督学习的一个经典例子,下图是非监督学习算法的一些应用:
1.谷歌对新闻的分类,当你点击一个新闻的时候,google就会把一些相关新闻信息一起列出来
2.社交网络的分析,市场分类,天文数据分析: