Andrew Ng机器学习之一 导论

监督学习与无监督学习

监督学习（Supervised Learning)

Ng的原文是：

We gave the algorithm a data set that the “right answers” were given.

即给定了一个正确结果的集合供算法学习，强调了需要实现准备好正负样本喂给机器。

无监督学习（Supervised Learning)

原文如下：

Given the data set, Unsupervised learning algorithm might decide that the data lives in two clusters, it breaks these data into two separated clusters, so it’s called clustering algorithm.

可以对比发现，相比监督学习，无监督学习事先并未给出符合预期的正确结果，而是仅仅通过算法将这些数据进行聚类（clustering），但是我们事先并不知道归类的类别分别是什么。

分类(Classification)和回归(Regression)

原文：

The regression problems means a real, continuous value. However, the classification problems give the known several types and you need to classify. If the case is a small number of discrete values, we should treat it as a classification problem.

分类问题是用于将事物打上一个标签，通常结果为离散值[1]。例如区分一张图片中的动物是猫还是狗。而回归问题是需要预测具体值的，例如基于现有的房价数据，推测2020年的房价。其本质差别是待归属的类别是有限还是无限的（是否可穷尽）。

[1]：回归(regression)与分类(classification)的区别