机器学习分类之监督学习

机器学习分类之监督学习

什么是监督学习？

利用已知类别的样本，训练学习得到一个最优模型，使其达到所要求性能，在利用这个训练所得模型，将所有的输入映射为相应的输出，对输出进行简单的判断，从而实现分类的目的，即可以对未知数据进行分类。
In supervised learning, we are given a data set and already know what our correct output should look like, having the idea that there is a relationship between the input and the output.

监督学习就是利用已有的数据来培训机器，如果机器是一个名叫小小豪的孩子，那么监督学习就是让小小豪通过写练习，对答案这样一系列的培训来应对考试。

监督学习分为回归和分类

Supervised learning problems are categorized into “regression” and
“classification” problems. In a regression problem, we are trying to
predict results within a continuous output, meaning that we are trying
to map input variables to some continuous function. In a
classification problem, we are instead trying to predict results in a
discrete output. In other words, we are trying to map input variables
into discrete categories.

回归：反应了样本数据集中样本的属性值的特性，通过函数表达样本映射的关系来发现属性值之间的依赖关系。
用人话说就是利用样本得到一个函数，通过这个函数我们可以得到一些连续的输出。

举个🌰：预测房价，因为每个房子的面积，位置，楼层等等都是不一样的，而这些都会对房价造成影响，所以不同的房子价格都有一些差别。如果我们用机器和大量的样本算出一个函数，并且这个函数是有用的话，我们就可以在这个函数里代入各种各样想要被估值的房子。

分类：通过分类模型，将样本数据集中的样本映射到某个给定的类别中。
用人话说就是通过分类得到的输出是离散的。我们得到的结果是被分类的，被限定的。

举个🌰：比如我明天会不会暴富，答案只有会或者不会。