机器学习小结（Supervised Machine Learning）

目录

前言

二、机器学习的两种主要类型

        1.Supervised leading（监督学习）

        2.Unsupervised learing（非监督学习）

三、Jupyter notebook

---

前言

        随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的部分基础内容。

---

一、机器学习是什么？

机器学习：计算机无需明确编程即可学习的研究领域

二、机器学习的两种主要类型 

1.Supervised leading（监督学习）

        学习x到y或输入到输出映射的算法，关键特征是提供算法事例以供学习，最终学会直接受输入而不需要输入标签而给出合理的输出预测。例如垃圾邮件筛选、语音识别等。是实际应用最多并且已经看到了最新的进展和创新成果。

回归（regression）：一种监督学习算法，学习从无限多可能数字中预测数字。例如房价预测类型的监督学习。

分类（classification）：必须对一个类别进行预测，有一组可能的输出类别，例如0、1，肿瘤是否良性等。

2.Unsupervised learing（非监督学习）

        目的是找到数据中的一些结构和模式，只是在数据中进行挖掘，没有类似肿瘤是良性还是恶性的标签，纯粹的基于数据。为了对每个输入给出正确的答案，要求我们的方法自己搞清楚数据特征，探索数据中的模式结构。无监督算法会给出两个不同的组或集群。

聚类算法（clustering algorithm）：一种特殊的无监督学习，它将未标记的数据放置在不同的集群中，被证明可以在许多应用程序中使用。例如一些浏览器使用了聚类，点击词条后会看到下面的相关推荐，是利用聚类算法寻找文章。

异常检测（anomaly detection）：用于检测异常事件，在金融领域应用很广。

降维（dimensionality reduction）：将大的数据集压缩成一个小得多的数据集，并丢失尽可能少的信息。

三、Jupyter notebook

机器学习进行试验和尝试的默认环境。

可选实验室：可以一次打开并运行，通常无需自己编写任何代码，通过阅读和运行试验室里的代码，可以了解机器学习的代码运行方式

---

如果本篇文章对你有所帮助 ，就点个赞吧～