引入:一个学生从波特兰市房价的数据,假如绘制了一个数据集如下所示,横轴是不同房屋的平方英尺数,纵轴是不同房子的价格。假设我有一栋750平方英尺的房子,只根据图像上的描点数据是无法得到具体价格,学习算法能够做的事就是根据数据画出一条直线或者是一条直线拟合数据,这样就能大体估算出价格。除了用直线拟合,也可能用二次函数或者二次多项式来拟合数据,后面我们将讨论如何选择和决定,是用直线拟合还是用二次函数拟合数据。这是个监督学习算法的例子。
监督学习
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,也就是说我们给它一个房价数据集,在这个数据集中的每个样本,我们都给出正确的价格,算法的目的就是给出更多的正确答案。用更专业的语言来定义,它也被称为回归问题,这里的回归问题指的是,我们想要预测连续的数据输出,价格实际上是一个离散值,但我们通常认为价格是个实数。回归是让我们设法预测连续值的属性。
监督学习(Supervised Learning):对于数据集中每一个样本都有对应的标签,包括回归(regression)和分类(classification)。
回归指的是我们的目标,是预测一个连续值输出。
分类指的是预测离散值的输出。
1.房价预测
根据直线拟合数据,横坐标表示房的大小,纵坐标表示房价。这个问题属于监督问题,每个样本都给出了准确的答案。 同时这也是一个回归问题,对给定值预测实际输出。
2. 肿瘤预测:
这里,横坐标表示肿瘤大小,纵坐标表示是否是恶性肿瘤。这也是属于监督学习问题,同时这也是一个分类问题,设法预测离散值的输出,恶性还是良性。