机器学习-有监督学习（Supervised Learning）

定义：

有一组数量较多的历史样本集，其中每个样本有一组特征（Feature）和一个或几个表示其自身的类型或数值的标签（Label）：对历史样本进行学习得到模型后，可用新样本的特征预测其对应的标签。

有监督学习与无监督学习的区别：

• 比喻：有监督学习是老师告诉你这个字母念A，然后下次你看到这个字母就知道读’A’了；而无监督学习是你给这个字母定义一个读音，能让你将这个字母与其他字母区别开。
  

根据标签的类型可将监督学习分为两个之类：

• 回归（Regression）：标签是不可数的连续类型，有大小关系。
• 分类（Classification）：标签是可数的离散类型。

策略和算法

• 人工神经网络
• 案例推论
• 决策树学习 最近邻居法 支持向量机 随机森林 学习自动机

应用

• 生物资讯学
• 化学资讯学
• 定量构效关系
• 手写辨识
• 资讯检索
• 电脑视觉中的物件识别
• 光学字元识别
• 侦测垃圾邮件
• 模式识别
• 语音识别
• 预测虚假财务报告