[ML笔记]监督学习与无监督学习

监督学习

引导

在监督学习中，我们有一组数据集，而且我们准确的知道这个数据集的输出结果是什么，我们就知道在输入和输出之间是存在一定关系的。

基本定义

监督学习是指：利用一组已知类别样本调整分类器的参数，使其达到所要求性能的过程。
监督学习是从标记的训练数据来推断一个功能的机器学习任务。

监督学习分类

监督学习问题通常分为两类：regression（递归）和classification（分类）问题。
regression问题

In a regression problem, we are trying to predict results within a continuous output, meaning that we are trying to map input variables to some continuous function.
我们通过连续的输出数据来预测结果，也就是说，我们尝试将输入映射到一些连续函数中。（比如：f(x)=ax^2+bx+c）

classification问题

In a classification problem, we are instead trying to predict results in a discrete output. In other words, we are trying to map input variables into discrete categories.
我们通过离散型输出数据来预测结果，也就是说，我们尝试将输出映射到离散分类中。

举个栗子

例子一
我现在经营者一个二手房中介中心，我们中介中心之前已经卖过一些房子，有一些既定的数据参考，通过这些数据我们可以有一个函数描述了房子面积与价格之间的关系，可以用来预测房子价格。房价和房子大小建立了一个连续型函数的，因此预测房价问题是一个regression问题。
如果说我们要将这个问题转换成一个classification问题，那么这个问题可能是这样的，了解我们这个房子是否是卖得高于要价还是低于要价。那么我们就可以将我们卖出的房子（这当然是一些离散的数据）分类。、

例子二
Regression问题：我们通过一个人的照片，判断这个人的年龄。
Classification问题：有一个患有癌症的病人，我们需要预测这个癌症是良性的还是恶性的。

无监督学习

引导

Unsupervised learning allows us to approach problems with little or no idea what our results should look like. We can derive structure from data where we don’t necessarily know the effect of the variables.

We can derive this structure by clustering the data based on relationships among the variables in the data.

With unsupervised learning there is no feedback based on the prediction results.

在没有“正确”数据指导的情况下，我们仍能找到问题的解决办法。
在不必要知道数据影响的情况下，我们能从这些数据中提取得到数据结构。
我们可以根据数据中变量之间的关系对数据进行聚类，从而得出这种结构。
无监督学习没有基于预测结果的反馈。

基本定义

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。

举个栗子

例子一
聚集型：有一百万个基因集合，我们需要找到一种方式，自动将这些基因按照相似性或者某些不同的数据进行分类，这个数据可以是寿命、地区、角色等等。

例子二
非聚集型：“鸡尾酒会算法”，在嘈杂环境下找到数据结果（如，从一场鸡尾酒会上录音上，区分人的声音和音乐的声音）

区别

是否有“Correct Answer”作为依据/指导

附加

OCTAVE
MATLAB

考试感想

考了三次都没有考过，思考一下原因：
1. 确实没有学习得很扎实，也不注意复习;
2. 要注意审题，不要冲动答题;
3. English is poor.