Machine Learning自学笔记（1）—监督学习和非监督学习

Whatis machine learning：

ArthurSamuel (1959): Field of study that gives computers the ability to learn withoutbeing explicitly programmed.（无需明确的编程即可让机器自己去学习）

 

SupervisedLearning：（监督学习）

在监督学习中，我们已经知道正确的输出应该是什么样的，同时知道输入和输出的结果必然会有某种联系。

监督学习可分为regression（回归分析）和classification（分类分析）问题。

 

1.      Regression：

此类问题我们要尝试根据continuous output去预测结果(results)，也就是尝试去map input variables to some continuous function（如根据一年以来的房价来预测下个月的房价是多少）

2.      Classification

此类问题我们我们无法获得连续性的预测模型，而是用输出值去匹配离散的区块。（如预测肿瘤是良性还是恶性、预测房价是高于平均值还是低于平均值）

UnsupervisedLearning（非监督学习）

非监督学习下我们往往对训练结果无法预知或是知之甚少，此时往往我们更注重获得数据的structure，此种structure基于变量和数据的关系。根据预测结果，非监督学习下通常并没有feedback。（例如鸡尾酒会效应（cocktail party）中的语音分辨和选择、根据基因之间的关系自动为基因序列分组）