监督学习/Supervised learning

监督学习的目标是从已知训练数据中学习一个预测模型，使得这个模型对于其他输入数据产生一个预测输出。其中，监督学习的「监督」是相对与「非监督」的一种表达，二者的区别在于，监督学习的训练数据经过了人工进行标注，而非监督学习则没有这个过程。

类型

分类

已有了一些数据样本及明确的样本分类。现在从这些样本的特征中总结规律，再用于判断新输入样本到底属于哪一类别。

回归

Jupyter Notebook安装

安装： https://jupyter.org/install.html

数据

鸢尾花


概念

概念
数据集 数据整体叫数据集
样本 每一行数据成为一个样本
特征 每一列表达样本的一个特征
标签 每道题附带的标准答案,最后一列成为标记

机器学习输入的是数据以及标签，输出的是学会的知识。 每一道习题，叫做数据样本。所有题目的集合，就是数据集。每道题附带的标准答案，称之为数据的标签。人学习和机器学习的对标如下：
人学习：人通过做习题，并利用习题答案校验，学会知识。
机器学习：机器通过挖掘数据，并利用数据标签校验，学会知识。