【科普】一文弄懂监督式学习、非监督式学习以及强化式学习

1. 引言

大部分的机器学习入门课当中，一开始也最基础的观念就是机器学习的三类方式，它们分别是监督式学习(Supervised learning）、非监督式学习(Unsupervised learning)与强化式学习(Reinforcement learning)。很多同学对这三个名字都有些陌生。 这边我尝试用家长教育孩子的方式来解释他们的概念，如果有任何疏漏之处，欢迎大家多多指教。

2. 机器学习到底机器是在学什么

从字面上来看，机器学习 就是让机器（电脑）学习一件事情，就和我们一样，从小到大，我们深受父母、教师或朋友等影响，形成了现在的我们。机器学习也是一样，让我们假设今天电脑是你的小孩，你可以选择采用哪种教育方针教导它，使它未来能得到你预期的结果。

3. 监督式学习

我们首先来介绍我们的大儿子–监督式学习。它的个性单纯、踏实，大部分的事情我们必须先跟它解释够多遍，它才有足够的判断力做出相应的决定。
举例来说，我们今天带着它来到公园，为了让他了解什么是植物，你指向榕树、矮树林、灌木丛与草地，看！这些都是植物，接着指着天空、汽车和房子说这些不是植物，带着它认识大部分的物件后，大儿子最终找到了规律（绿色、有根或叶），学会了如何判断什么是植物。

所以，监督式学习必须要在数据有标记（labeled）的状况下使用，在现实例子中，针对大型电商，他们手上可能有一份记录着顾客月收入、年龄、性别等标记的数据清单，将这份数据喂给电脑处理，便可让电脑从中根据指标来判断下一个使用者出现时，会购买商品的机率是多少。

4. 非监督式学习

接着我们来介绍我们的第二个孩子–非监督式学习。它喜欢将看到的物件依照结构分门别类、划分成不同群组，当我们将一箱动物玩具放在它面前时，它很快就能够从中分出不同的小圈子，往往让人感到惊讶的是，我们事先并没有告诉它每只动物是属于哪种类别，它却可以透过观察将其分成有翅膀能够飞的、能在水中生活的或只能在路上爬的动物，有些甚至有它独特的分类方法是我们没有预想到的，这就是非监督式学习。我们不必透过监督，就可以从玩具中透过观察解析结构将数据做好分类。

非监督式学习只需要无标记（unlabeled）的数据，便能正常工作。换成现实中的例子，想到的是消费者喜好分析，一般在分类不同消费群组时，我们习惯根据性别、年纪等做分组，但假如今天我们观察发现有个会员会在白天购买化妆品、傍晚购买啤酒、晚上买电动，而且这个种群的数量还不算少，若只看性别和年纪应该会满头雾水，觉得这个消费者是不是得了精神分裂症。而这组会员其实就是家庭，全家爸爸、妈妈、小孩共享同一个帐号进行网购的现象，若套用非监督式学习去分析消费者的行为，便有机会筛检出这些具有相同消费属性的群体。

5. 强化学习

最后我们最小的女儿–强化学习。她最喜欢下棋，常常要求我们跟它对弈，一开始我们一定会窃笑它的思路缺乏常识，总是下险棋犯些很明显的错误，但经过一局又一局的对弈之后，它不断思考每一局的过错是不是有改变的可能，所以它越下越好，思考的套路也更加深层，没错！AlphaGo就是强化式学习的一种应用。

更近一步，强化式学习的特征是训练必须要有正负回报·（positive/negative reward），在训练过程中，模型会根据不同的状况（state）尝试各种决定（action），再根据此决定得到的结果进行学习改进。

6. 结论

最后我们对本文做个简单的总结：

• 监督式学习：数据已有标记，运用已标记数据来做训练。
• 非监督式学习：数据没有标记，从中找出拥有相同特征的数据群。
• 强化式学习：可能手上没有任何数据，直接让模型执行，再将执行结果反馈回去做训练。

恩恩，您学废了吗？