《从机器学习到深度学习》笔记（1）有监督学习

有监督学习（Supervised Learning）是指这样的一种场景：

有一组数量较多的历史样本集，其中每个样本有一组特征（features）和一个或几个标示其自身的类型或数值的标签（label）；对历史样本学习得到模型后，可以用新样本的特征预测其对应的标签。

1. 场景

在有监督学习中可以将每条数据看成是一条由特征到标签的映射，训练的目的是找出映射的规律。根据标签的类型可以将有监督学习再分为两个子类：

1. 分类（Classification）：标签是可数的离散类型，比如疾病诊断（疾病的类型有限）、图像文字识别（文字的总量有限）。
2. 回归（Regression）：标签是不可数的连续类型、有大小关系，比如房价预测（值无法枚举）。

图1-8是一个胸科诊断的分类案例。

图1-8 分类学习示例

图1-8中的年龄、血液PH值、是否吸烟就是模型的特征，诊断结果（肺气肿/正常）是学习的标签。

注意：图1-8中分类问题的特征变量也可以是连续类型（年龄、PH值）。<