机器是如何学习的？（监督式学习）

theme: orange

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第20天，点击查看活动详情。

众所周知，机器学习增强了人类的能力，让以前人脑不可能的事情变成了可能。机器学习目前广泛应用于金融、产品销售、新媒体、医疗、社会科学、游戏娱乐、工业制造等众多领域，它无处不在，并且在蓬勃发展！但接下来的问题是，应用场景虽然不同，但其原理都是相同的，那么机器是如何学习的？

学习方式分类

机器学习主要是分为监督式学习(Supervised learning) 和非监督式学习(Unsupervised learning) 两大类。

两者的区别在于训练的数据中是否有目标变量，监督式学习中，提供了标记数据的正确结果，对于标记数据的行为，用术语来说，其意味着我们事先知道数据的正确输出值。而对非监督式学习，数据并没有标记。

那么除了上面的主流学习方式，还有其它哪些呢？

半监督式学习( semi-supervised learning)
强化学习(Reinforcement learning)
对抗性学习(Adversarial learning)

监督式学习

监督式学习，取关键词“监督“，其概念来自于标记数据。

在标签的帮助下，机器学习的模型的预测可以与已知的正确值进行比较。这有助于测量模型的准确性和计算损失。同时这反过来有可以用作对模型的反馈，以便进一步改进其预测。

分类

监督式学习分两大类，包括回归分析和分类问题。

回归分析(Regression)

在这种类型的任务中，模型试图预测一个数值(实数)，即预测内容为连续值，比如估价预测(股价是连续变化的值)，根据住房数据预测住房价格等等。

分类问题(Classification)

在这种类型的任务重，模型试图将给定的输入分成一个数据类型，即预测内容为类别值(非连续值)，比如股价涨跌预测(只有涨、跌两种值)，将肿瘤分为恶心或者是良性等等。

模型

从机器学习模型的角度，可以将监督式学习分成不用的算法模型，包括但不限于

线性回归模型
逻辑回归模型
决策树模型
朴素贝叶斯模型
K近邻(KNN)模型
随机森林模型
AdaBoost与GBDT模型
XGBoost与LightGBM模型
神经网络模型

例子

借助于书籍《Python 大数据分析与机器学习商业案例实战》，讲解一个实际例子。

监督式学习(训练数据中有目标变量)如下图所示，它的训练数据中有3个特征变量(体型、毛发、特点)和1个目标变量(品种)，该机器学习的目的就是根据训练数据搭建模型来预测狗的品种。

提醒

在监督学过程中，我们需要谨慎使用标签的程度，或者用机器学习术语来说，就是谨慎训练我们的模型的程度。训练多度的隐患是过度拟合，当新数据进来时，模型常常无法正确执行！