机器学习笔记：监督与非监督学习

监督与非监督学习

吴恩达解释：
监督学习：
其基本思想是数据集中的每个样 本都有相应的 “正确答案 ”。再根据这些样本作出预测 。

无监督学习：
没有任何标签或有相同的标签，把数据分为不同簇：
例如：谷歌新闻，分析特定基因，鸡尾酒宴问题

《Deep Learning with Python》解释：
监督学习:
最常见的一种机器学习类型。给定一组样本（通常由人工标注),它可以学会将输入数据映射到已知目标（也叫标注）
二分类，多分类，标量回归都是监督学习

无监督学习:
在没有目标的情况下寻找输入数据的有趣变换，其目的在于数据可视化，数据压缩，数据去噪或更好地理解数据中相关性。
无监督学习可以使我们更了解数据集，在解决监督学习问题前通常是必要的步骤。