2.监督学习介绍（supervised learning）

监督学习用来解决什么问题？

eg.假设我们现在需要预测房价，下图是收集到的一些房价相关的数据：

基于以上数据，假设你的某个朋友需要出售一栋总面积为175m^2的房子，他想知道这栋房子大概能卖多少钱，那么学习算法能起到什么作用呢？

在我们已经拥有部分数据并且已经绘制出图表之后，理所应当应该想到寻找一个房屋面积和每平米售价之间的函数，但事实上很难找出一个完全符合要求的函数，因此在寻找过程中我们只能尽量保证寻找到的函数符合现实情况，即找到一条光滑曲线，尽可能多的连接这些点，这个过程也就是所谓的“拟合”

假设我们先采用直线去进行拟合工作，如下图：

可以较为直观的看到，175m^2的房子大概售价23k左右，当然这并不是很准确，因为你可以使用二次函数以及其他更优秀的函数进行拟合。

监督学习的定义

我们给算法一个数据集，该数据集中包含了正确答案，例如我们给出一个房价数据集，在这个数据集中的每个样本，我们都给出正确的价格，而算法的目的就是给出更多正确的价格，分为以下两种：

• 回归问题（Regression problem）：对于房价这个例子来说，用更加专业的术语讲便是回归问题，即预测连续的数值输出
• 分类问题（Classification problem）;假如只需要预测离散的数值输出，比如根据乳腺癌的大小、患者的年龄去预测乳腺癌是良性还是恶性，预测结果是离散的，要么为1（良性），要么为0（恶性），那么这就是分类问题