全监督、半监督、无监督学习简单比喻

首先看什么是学习（learning）？

一个成语就可概括：举一反三。此处以高考为例，高考的题目在上考场前我们未必做过，但在高中三年我们做过很多很多题目，懂解题方法，因此考场上面对陌生问题也可以算出答案。机器学习的思路也类似：我们能不能利用一些训练数据（已经做过的题），使机器能够利用它们（解题方法）分析未知数据（高考的题目）

高中学习：上课练习-模拟考试-高考

这也正如我们在高中做题，答案（标签）是非常重要的，假设两个完全相同的人进入高中，一个正常学习，另一人做的所有题目都没有答案，那么想必第一个人高考会发挥更好，第二个人会发疯。

因此，learning家族的整体构造是这样的：

• 有监督学习（分类，回归）
• 半监督学习（分类，回归），transductive learning（分类，回归）
• 半监督聚类（有标签数据的标签不是确定的，类似于：肯定不是xxx，很可能是yyy）
• 无监督学习（聚类）

最近在做计算过程中，又多了些理解，随手写上

还是以高考为例

全监督学习

平时做的题目，有答案，而且参考答案全对；

半监督学习

平时做的题目，半部分有答案；

弱监督学习

平时做的题目，有答案，但答案不一定全对；

无监督学习

平时做的题目完全没有答案；

域适应

在平时做的题目中，总结训练，将经验迁移到高考中，做出答案。