一. 定义
监督学习：利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。在监督学习中，每个实例都是由一个输入对象（通常为矢量）和一个期望的输出值（也称为监督信号）组成。
非监督学习：根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，称之为无监督学习。
Notes:(1)监督学习和非监督学习在于有无先验的标签值
(2)具体示例：
在做房价预测分析时，我们依据房间面积，卧室数目等特征来预测房价，为了检验我们预测房价的正确性，一定是有一个事先就明确的房价，即所谓的标签值，用这个标签值来检验预测值的误差；
在做垃圾邮件分类时，我们无法提前预知一封邮件是否是垃圾邮件，没有标签值对最终的预测结果进行监督。
若有函数t=f(x,w)
回归：如果返回值t是一个真值，则为回归问题
分类：如果返回值t是一个类标签，则为分类问题
Notes:（1）具体示例
第一幅图的返回值是具体的真值，代表了预测分析的具体数值，属于回归；第二幅图返回值是两类不同的类标签，若用标签1,0表示，标签1表示分类边界以左的样本，标签0表示分类标签以右的样本。
二. 机器学习常见算法分类
有监督学习算法：线性回归算法，感知器，多层感知器MLP，支持向量机SVM，卷积神经网络CNN
无监督学习算法：k-means算法，自组织映射，PCA,ICA,NMF,循环神经网络RNN
若有收获，就点个赞吧
0 人点赞
