【机器学习】什么是机器学习？什么是监督学习？

系列文章目录

第一章 Python 机器学习入门之监督学习

第二章 Python 机器学习入门之非监督学习

---

• 目录

  系列文章目录

• 文章目录

  一、什么是机器学习？

  二、监督学习

  1.回归算法

  2.分类算法

  总结

---

一、什么是机器学习？

what is machine learning?

Arthur Samuel 是这样定义的：在有明确设置的情况下，使计算机具有学习能力的研究领域。
 

Tom Mitchell 是这样定义的： A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.

在过滤垃圾邮件这个例子中，电子邮件系统会根据用户对电子邮件的标记（是/不是垃圾邮件）不断学习，从而提升过滤垃圾邮件的准确率，
定义中的三个字母分别代表
T(Task): 过滤垃圾邮件任务。
P(Performance): 电子邮件系统过滤垃圾邮件的准确率。
E(Experience): 用户对电子邮件的标记。

机器学习的两种主要学习算法是监督学习和非监督学习，除此之外还有强化学习等学习算法。

下面我们就来看看什么是监督学习

二、监督学习

机器学习问题的最常见类型：监督学习  supervised learning，监督学习中有分类算法和回归算法。

1.回归算法

学习input输入，output输出，或者x到y的映射。
监督学习，就是从x到y，输入到输出映射的算法

监督学习的关键特征是，我们提供学习算法示例 以供学习，学习算法示例包括正确答案，也就是给定输入x的正确标签y，并且通过查看输入x和所需输出标签y，

学习算法最终学会，只接受输入而无需输入标签，就可以给出输出的合理准确的预测或猜测。

在所有的监督学习的应用程序中，我们都需要 输入算法的示例x，和正确答案（即x的正确标签y）来训练我们的模型，
模型从这些输入，输出（或x,y）中学习之后， 我们就可以给它一个全新的输入x，它就会尝试输出一个y。

回归算法的例子：房价预测，
我们给算法提供了一个数据集，其中包含正确答案（标签），在这个例子这就是对每所房子给出了正确的价格，
学习算法的任务，是去产生更多这样的正确结果，也就是去预测其他房子的可能价格。

这种房价预测是一种特殊类型的监督学习，称为regression回归，
简单来说就是，可以让我们 从无数可能的数字中去预测一个数字。回归的目的就是预测数字。

2.分类算法

分类算法与回归算法不同的是：分类算法只是试图预测一小部分可能的输出或类别；
而回归算法不同，回归算法是试图从无限多个可能的数字中去预测一个数字。

分类算法的例子：肿瘤预测，
如果只有良性和恶性，那么算法输出的结果可以是0或1，
如果有无肿瘤，肿瘤一，肿瘤二，肿瘤三，那么算法输出的结果可以是0，1，2或3

分类算法classification，就是预测类别predict categories, 类别不一定是数字，
它可以去预测一张照片是猫cat还是狗dog, 也可以是数字 0或1

当输出的结果是数字时，分类和回归的不同之处在于：分类预测的结果是一个小的，
有限的一套可能产出的类别，如0 or 1or 2，并不是所有可能的数字。

在肿瘤预测这个例子中，我们只有一个输入值，那就是肿瘤的大小，但这并不表示我们只能输入一个值，
我们可以输入多个值来预测输出，像在这个例子中，我们处理输入肿瘤的大小外，我们还可以输入患者的年龄。

---

总结

监督学习，映射输入x到输出y，学习算法从正确的答案中学习
监督学习的两种主要的两种类型是回归regressio和分类classification，
在回归应用的程序中，如预测房价，学习算法必须从无限多可能的输出数字中去预测数字，
在分类算法中，学习算法必须对一个类别做出预测，所有数据中，一小部分可能的产出