我们先来看一下整理好的图:
一. 监督学习(supervised learning)
监督学习中的监督,supervised代表着监督/指导
就像我们做题库一样,题库里有题 题也有相应的答案
在反复的做题下,积累的响应类型做题的经验 这样也减少了做错此类题的可能性
就像学生通过反复做题,减少错题率
利用数据指导机器去学习从而建立模型/总结的方式-就是监督学习
那么分类(classification)与回归(regression)又是什么呢?
分类 - 预测非连续的,离散型数据
(例:机器通过多次样本数据(许多不同的牛和马的图片)中的学习,总结出牛和马的各自特征因而分辨牛和马)
回归 - 预测连续的,定量数据/具体的数值
(例:机器通过多次样本数据(固定的一个类型)中的学习,例如预测疫情增长趋势,房价增长趋势,货币增长趋势等)
简单概括来讲,在有自变量和因变量的条件下:
因变量是一个名字(词)时为分类,是一个数字(据)时为回归
二. 无监督学习(unsupervised learning)
无监督学习就是些监督学习中不包括的方式
赋予机器洞察力 在没有固定答案的情况下 自觉发现新线索
那什么是聚类(clustering)和关联(association)?
聚类 -