机器学习第一周（一）--机器学习引入

机器学习

1、机器学习算法主要分为俩大类，监督学习（Supervised Learning）和无监督学习（Unsupervised Learning）.
监督学习与无监督学习一个最大不同是监督学习的数据是带标签的，而无监督学习的数据是不带标签的。
监督学习又分为分类问题和回归问题，分类问题是对给定带标签的数据集进行分类，如二分类，三分类等。
回归问题是根据所给的数据进行预测，如对房价的预测。

监督学习

下面以预测房价为例给出监督学习一般过程

对于给定的数据集，通过学习算法（Learing Algorithm）找到一个最优的模型（h），再用这个模型对新的数据样本进行分析（分类或回归预测）。

无监督学习

无监督学习典型的有聚类（Clustering）问题，无监督学习只有原始数据，没有任何标签数据和训练结果，直接对原始数据进行建模，再把原始数据分成几堆不同的簇。
分类与聚类：分类通过最优模型要求具体分到某一类，而聚类只要求相似数据聚在一起，并不关心某一类是什么。


无监督学习的另一种典型算法是鸡尾酒聚会问题（Cocktail party）。