小学生也能懂AI——白话监督学习

        前几周的文章，对机器学习的历史、应用和相关八卦都做了一些介绍，有没有越来越感兴趣、越来越想深入了解下呢？这篇文章使用尽量简单的描述，带大家对机器学习进行稍稍深入的了解。不需要任何高级的数学知识或计算机知识就可以看懂哟。有一定基础的同学，可参考括号中的数学表达式，如果不感兴趣，所有数学公式完全可以忽略。赶快来看下吧！

        

        机器学习主要用来做预测，也就是从已有的数据推测出新数据所具有的属性。预测有很多不同的方法，今天就带大家来了解下一种最常用的方法——监督学习。既然有监督学习，那自然也有无监督学习，更详细点，还有半监督学习。它们直接主要的区别，就在于是否有标注。什么是标注呢？举个萌萌的例子。

        你的院子里生活着一些可爱的猫咪，它们长的各不相同，有胖的，有瘦的，有花的。你很关心哪些猫咪比较亲人，可以让你随意撸。通过观察，你记录下了每一只猫咪的脾性：小黑猫——高冷；胖花猫——给吃就给撸；小白猫——粘人……这就是标注，给已有的数据打好标签或分好类。监督学习便会使用这些已经标注的数据。

       

       而相对的，无监督学习就是没有对数据打标签的，你是不知道小黑猫高冷小白猫粘人这样的对应信息的。你只是根据这些猫咪可能有价值的共同点将它们聚在一起而已，因此无监督学习也会被称为聚类。从实际应用上来说，因为目的性不强，无监督学习的效果比监督学习要差很多。但由于监督学习所需的标注成本，在某些情况下很高，因此无监督的方法还是具有存在的意义的。 

       监督学习分为两个步骤：学习过程和预测过程，而将这两个过程联系起来的，则是所谓的『模型』。学习过程就是使用标注好的数据，通过某些方法，得到模型。之后当对新的数据进行预测的时候，则可使用学习过程中获得的模型，将新数据作为输入，将得到的输出作为预测结果。

       

        还拿猫咪举例子。在学习过程中，首先要获得带标注的数据，而这一步很多情况下是需要人来参与的。比如你需要自己去观察记录猫咪的性格特点，并将这些数据整理为学习用数据集，即训练数据，表示为：