机器学习
1、建立模型: 如:y=wx+b(房价模型)
2、学习模型: 如:确定 w,b
3、预测: 如:使用模型预测房价
学习算法: 从数据中产生模型的(计)算(方)法。
机器学习就是通过学习算法从数据中学习模型的过程。
数据集(data set)/样本集(sample set)
样本(sample)、属性(attribute)/特征(feature)、标记/标签(label)
学习模型/假设(hypothesis)/学习器(learner):估计函数
真相/真实(ground truth)
标记/标签(label):预测和分类的结果。房价、鸢尾花品种都是标记。对这种有标记的数据集进行的学习称之为监督学习。
监督学习
监督学习分为两种:分类(regression)和回归(classification)。
回归:预测连续值。
分类:预测离散值。
无监督学习
在样本数据 没有标记 的情况下,挖掘出 数据内部蕴含的关系。
聚类并不关心这一类是什么,因此不需要标记。只要能对抽取出来的特征计算距离就可以了。
对于同样的样本,抽取出来的特征不同,聚类的结果也会不同。
图2为鸢尾花数据集,没有标记,我们仅仅根据鸢尾花花瓣的长度和宽度也可以对它们进行聚类。图中红圈圈中的就是聚类的结果,结果很明显的分出了两类。那么在这两类中是否还包含了第三类呢?在没有标记的情况下就不太好区分了。
图3为标记好的鸢尾花数据集,两者进行比较后会发现还存在有第三个类别。
半监督学习
对于数据标记需要大量的人力资源,而我们日常生活中存在的是大量的没有标记的数据。因此为了更好的利用这些数据,就出现了半监督学习,半监督学习是一种将有监督学习和无监督学习相结合的范式。