机器学习两种方法——监督学习与无监督学习

一.前言

在介绍监督学习和无监督学习之前，我们首先来了解一下什么是特征值和目标值。

1.特征值：
特征值是指数据的特征，对于每个样本，通常具有一些 “属性”（Attribute）或者说 ”特征“（Feature），特征所具体取的值就被称作 ”特征值“。

比如，苹果的皮是”光滑“的，橘子的皮是”褶皱“的，”光滑“和”褶皱“就是 ”苹果“ 和 ”橘子“ 这两个样本的特征值。

2.目标值(标签)
目标值又叫标签，是数据的标签，它描述了该条样本数据所属的目标或类型。

比如，样本1， ”光滑” 、“球形” 及后面的一系列特征所描述的目标是 “苹果”

二.定义

1.监督学习

1.官方定义：
监督学习是从标记的训练数据来推断一个功能的机器学习任务。训练数据包括一套训练示例。在监督学习中，每个实例都是由一个输入对象（通常为矢量）和一个期望的输出值（也称为监督信号）组成。监督学习算法是分析该训练数据，并产生一个推断的功能，其可以用于映射出新的实例。一个最佳的方案将允许该算法来正确地决定那些看不见的实例的类标签。这就要求学习算法是在一种“合理”的方式从一种从训练数据到看不见的情况下形成。

2.狐仙定义：
你的女朋友教你认识香水跟口红，她先告诉你香水跟口红分别有什么特征，然后