机器学习day2-监督学习与无监督学习

---

前言

随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。本人菜鸟一枚，记录一下机器学习入门。
监督学习与无监督学习

---

一、监督学习

定义：根据已有的数据集，知道输入和输出结果之间的关系。根据这种已知的关系，训练得到一个最优的模型。
在监督学习中训练数据既有特征(feature)又有标签(label)，通过训练，让机器可以自己找到特征和标签之间的联系，在面对只有特征没有标签的数据时，可以判断出标签。
简单理解：可以把监督学习理解为我们教机器如何做事情。
原文链接：
链接: link
线性回归问题
通俗来讲
例房价预测

这是一个房价数据集，横轴表示面积，纵轴表示价格。
无监督学习算法就是根据已有数据进行拟合，拟合可以用直线，也可以用二次曲线。选择不同拟合曲线也就是在选择模型。
监督学习是指我们给算法一个数据集其中包含了正确答案，结合例子就是给出一个房价数据集，里面每样本都给出正确价格也就是这个房实际买了多少。算法的目的就是尽可能正确的计算其它房子的房价。
链接: link

二、无监督学习

定义：我们不知道数据集中数据、特征之间的关系，而是要根据聚类或一定的模型得到数据之间的关系。

在无监督学习中数据只有特征(feature)无标签(label)，是一种机器学习的训练方式，它本质上是一个统计手段，在没有标签的数据里可以发现潜在的一些结构的一种训练方式。
简单理解：比起监督学习，无监督学习更像是自学，让机器学会自己做事情。
原文链接：
链接: link
不同于监督学习，无监督学习给出的数据集没有标签也没有所谓的正确答案，即我们不知道数据集是什么干啥用的。
无监督学习算法可以将数据集分成不同簇（例如聚类算法）

原视频链接如下
链接: link

环境搭建

老师建议先用octive入门，后面再用Python、JAVA语言进行开发。
下载环境我参考的下面博主的
链接: link