机器学习初探

机器学习初探

​ 刚开始学习机器学习，希望通过博客来记录自己学习成长的一点一滴。菜鸟一枚，如若有理解偏差的地方，欢迎各位大佬提出斧正，小道在此感激不敬！

1.监督学习

​ 对机器学习来说，监督学习就是通过已知特征和标签的数据集训练机器，让机器能够自己找出特征与标签之间的规律。在面对没有标签只有特征的时候，可以凭借之前训练的规律，找出标签。

回归问题

​ 这是监督学习的第一大类问题，例如：通过收集的房价数据，即特征“房子面积”，和标签”房价“。通过直线或曲线去拟合数据，来预测当有新的特征时，所对应的标签。

分类问题

​ 这是监督学习中第二大类问题，例如：通过收集的肿瘤患者数据，即特征“患者年龄”及“肿瘤大小”，和标签“恶性”或者“良性”（分别用两个离散值0，1表示）。通过找到模型分界线来对数据进行分类，从而在有新的特征时，预测所属类别。

区别：分类问题针对离散数据，回归针对连续数据。

2.无监督学习

​ 与监督学习不同，无监督学习，是已知数据集没有告诉标签的情况下，机器自己通过发现数据间的联系，来进行分类。

聚类算法

​ 以之前的肿瘤问题为例，当给你一批肿瘤患者数据，不告诉你任何标签时，机器通过聚类算法将数据集判断并分成多个不同的聚集簇。

​