机器学习入门——机器学习分类

机器学习分类

• 监督学习

• 监督学习的定义

监督学习从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个函数预测结果。监督学习的训练集要求是包括输入和输出，也可以说是特征和目标。训练集中的目标是由人标注的。常见的监督学习算法包括回归分析和统计分类。

• 常见的监督学习

假设有如下一组销售数据：

index	单价 x1	销量 x2	利润 y
1	40	50	100
2	43	51	105
3	44	45	105
4	46	39	104
5	54	88	145
6	63	150	233
7	78	56	214
8	43	76	200
9	98	88	543
10	43	66	23

在这里我们将利润称作y，这里有两个影响利润的因子：分别为单价（x1）和销量（x2） ,所以我们也可以将函数模型写成 y = w1x1+w2x2+b 这里w1与w2都称作系数，b称作截距。

我们的目的就是通过以往的数据推算出模型，然后用模型来预测将来的值，类似这种我们有明确预测目标值的模型我们就称作监督学习，

• 无监督学习

• 无监督学习的定义

无监督学习与监督学习相比，训练集没有人为标注的结果。常见的无监督学习算法有聚类。

• 常见的无监督学习
  假设有如下一组数据：

客户ID	姓名	存款	性别	收入
1	Nick	100000	male	200000
2	judy	200000	female	30000
3	王五	5000	male	6000
4	刘能	6000	male	5000

我们需要根据这些信息对客服进行分类，分成高、中、低三档，类似这种对数据进行聚类的场景我们将其称之为无监督学习