小白都看得懂的监督学习与无监督学习

hello~一晃就十一月啦！开始写简书也半个月啦！之前对机器学习中的监督学习与无监督学习，只是有个概念，前几天学习知识的时候，又遇到了，所以打算好好记录下来。

在理解监督学习和无监督学习之前，我们先来聊一聊什么是机器学习（ML）？

机器学习：

首先呢，学习可以称为一个举一反三的过程，举个栗子:我们在学生时代经常参加的考试，考试的题目在上考场前我们未必做过，但是在考试之前我们通常都会刷很多的题目，通过刷题目学会了解题方法，因此考场上面对陌生问题也可以算出答案。

机器学习的思路也类似：我们可以利用一些训练数据(已经做过的题),使机器能够利用它们(解题方法)分析未知数据(考场的题目)。就像考试前老师给我们预测考试会考什么一样。

简单一句话:机器学习就是让机器从大量的数据集中学习，进而得到一个更加符合现实规律的模型，通过对模型的使用使得机器比以往表现的更好。

进入正题~

监督学习

定义：根据已有的数据集，知道输入和输出结果之间的关系。根据这种已知的关系，训练得到一个最优的模型。也就是说，在监督学习中训练数据既有特征(feature)又有标签(label),通过训练，让机器可以自己找到特征和标签之间的联系，在面对只有特征没有标签的数据时，可以判断出标签。

通俗一点，可以把机器学习理解为我们教机器如何做事情。

监督学习的分类：回归(Regression）、分类（Classification)

回归(Regression）

回归问题是针对于连续型变量的。

举个栗子：预测房屋价格

假设想要预测房屋价格，绘制了下面这样的数据集。水平轴上，不同房屋的尺寸是平方英尺，在竖直轴上，是不同房子的价格，单位是(千万$)。给定数据，假设一个人有一栋房子，750平方英尺，他要卖掉这栋房子，想知道能卖多少钱。

这个时候，监督学习中的回归算法就能排上用场了，我们可以根据数据集来画直线或者二阶函数等来拟合数据。

通过图像，我们可以看出直线拟合出来的150k，曲线拟合出来是200k，所以要不断训练学习，找到最合适的模型得到拟合数据(房价)。

回归通俗一点就是，对已经存在的点(训练数据)进行分析，拟合出适当的函数模型y=f(x),这里y就是数据的标签，而对于一个新的自变量x，通过这个函数模型得到标签y。

分类（Classification)

和回归最大的区别在于，分类是针对离散型的，输出的结果是有限的。

举个栗子：估计肿瘤性质

假设某人发现了一个乳腺瘤，在乳腺上有个z肿块，恶性瘤是危险的、有害的；良性瘤是无害的。

假设在数据集中，水平轴是瘤的尺寸，竖直轴是1或0，也可以是Y或N。在已知肿瘤样例中，恶性的标为1，良性的标为0.那么，如下，蓝色的样例便是良性的，红色的是恶性的。

这个时候，机器学习的任务就是估计该肿瘤的性质，是恶性的还是良性的。

那么分类就派上了用场，在这个例子中就是向模型输入人的各种数据的训练样本(这里是肿瘤的尺寸，当然现实生活里会用更多的数据，如年龄等),产生"输入一个人的数据，判断是否患有癌症"的结果，结果必定是离散的，只有“是”或"否"。

所以简单来说分类就是，要通过分析输入的特征向量，对于一个新的向量得到其标签。

无监督学习

定义：我们不知道数据集中数据、特征之间的关系，而是要根据聚类或一定的模型得到数据之间的顾西奈。

可以这么说，比起监督学习，无监督学习更像是自学，让机器学会自己做事情，是没有标签(label）的。

接刚刚上面机器学习解释时用到的例子来更好理解一下二者的区别：

对于平时的考试来说，监督学习相当于我们做了很多题目都知道它的标准答案，所以在学习的过程中，我们可以通过对照答案，来分析问题找出方法，下一次在面对没有答案的问题时，往往也可以正确地解决。而无监督学习，是我们不知道任何的答案，也不知道自己做得对不对，但是做题的过程中，就算不知道答案，我们还是可以大致的将语文，数学，英语这些题目分开，因为这些问题内在还是具有一定的联系。

如下图所示，在无监督学习中，我们只是给定了一组数据，我们的目标是发现这组数据中的特殊结构。例如我们使用无监督学习算法会将这组数据分成两个不同的簇，这样的算法就叫聚类算法。

生活中的应用：

1.Google新闻按照内容结构的不同分成财经，娱乐，体育等不同的标签，这就是无监督学习中的聚类。

2.根据给定基因把人群分类。如图是DNA数据，对于一组不同的人我们测量他们DNA中对于一个特定基因的表达程序。然后根据测量结果可以用聚类算法将他们分成不同的类型。这就是一种无监督学习，因为我们只是给定了一些数据，而并不知道哪些是第一种类型的人，哪些是第二种类型的人等等。