机器学习笔记（1）－简介监督学习与无监督学习

机器学习方法主要分为有监督学习（supervised learning）和无监督学习（unsupervised learning）。下面来用例子来简单介绍下。

1.监督学习

1.1 地价预测问题

假如我是一位房产商。打算购买某城市的一处20亩的土地来造房子，当然我希望用最低的价格来购买啦，这样才能赚到最多嘛。可我并不了解这个城市的地价。我先收集这个周边地区，近3个月的地产成交数据，数据的内容是土地面积和对应的价格（假如只考虑面积这一个变量）。如下表:1所示，根据这些数据我想预估出这套房产的合理价格范围，这样才能心中有数好下手。

表1：地价与面积关系表
根据表格内容，我制作一张数据图1。

图1：地价与面积关系图
看到这图之后，我心中窃喜啊，这里的地价和面积成正比，于是我通过这些数据集，计算（训练）出一条直线（线性方程）。如下图2。那么这条线就能大致表示这个地区的房价与面积的关系了。

图2：训练后的关系图
那么我要购买的那套20亩的土地要多少钱呢？看下图3，我带入上面训练出来的线性方程，求得地价。

图3：地价结果

很明显，我大概要花19百万，也就是1.9千万。那我就会尽力把价格砍到1.9千万一下，哈哈。

1.2 肿瘤诊断问题

假如我是一名肿瘤科外科医生（喝喝，我是有很多身份的）。有一位病人，已经检测出肿瘤的大小（假如只考虑大小这一个变量），现在在没有得到化验结果前，让我预估下是恶性还是良性？我打开电脑里记录的肿瘤大小和肿瘤性状对比表2。

表2：对比表

然后我吧表中的内容绘制成图4.

图4：对比图
再将患者的大小做对比，如下图五。其中绿色的标记是患者的肿瘤大小。

图5:患者结果图
通过图中的对比，我告诉患者，别担心，是良性。结果化验结果真是良性。看，我是不是神医。

总结：这2个例子都是通过已有数据内容进行分析，得到一个规律，然后预算出结果。例1是一种回归问题，例2是分类问题，属于监督学习。

2.无监督学习

2.1 超市保健品问题

假如我是某连锁超市的一位营销总监（喝喝，别在意，这是我的另一个身份）。最近的旗下有两个超市A和B，在保健品销售方面业绩差距很大，A比B好很多。我想要知道其中的原因，从而改善业绩差的B超市，可是要考虑的因素（参数）太多了，如销售人员，购买者情况。于是我把销售人员的工龄作为判断其水平的标志，工龄越久的销售人员我认为其销售水平高，反之销售水平低。购买者情况我用年龄来衡量其购买保健品的能力。年龄越大的，购买保健品的能力越大，反之，年轻人当然买的少啦。
我让市场部把之后3个月A，B超市购买这个产品的情况记录下来（记录销售工龄和购买者年龄）。3个月后市场部给了我一张表3。

表3：购买情况表
接下来我把购买者年龄作为X轴，销售年龄作为Y轴，画成图6所示的二维图，用圈圈表示交叉点。其中红色表示A超市卖出的，绿色表示B超市卖出的。

图6：对应二位图
看着这个我把他们分成2类，如下图7.

图7：分类后的图

看着这图，我惊奇的发现，在A超市购买的人群主要是年龄大的，而且销售工龄也比较长。所以能很好的卖出该保健品。而B超市购买的人群，普遍年龄小些，销售也都是新手为主。仔细一分析才知道。原来是B超市开在新开发区，都是上班族年轻人。A超市开在老城区，而且开业时间远比B要就，所以员工工龄也普遍大些。
通过分析，最后我决定，减少B超市的保健品货架，添加更多的年轻人消费品的货架。

总结：这个例子展现的就是聚类方法，属于无监督学习的一种。我手上只有一组数据，也不知道能得到什么结果，只能通过分析发现，这组数据间的规律。

3.对比

下面对监督学习和无监督学习做具体比较。
监督学习：目标是学习从输入到输出的映射关系，其中输出的正确值已经由指导者提供。
无监督学习：学习中没有指导者给出输出的正确值，只有输入数据，目标就是发现输入数据中的规律。

---

XianMing