03 监督学习
为简单起见，让我们将机器学习系统看作一个黑盒，在给定一些输入时会产生些输出。如果我们已经有一个历史数据，该历史数据包含一组输入的一组输出，则基于这些数据的学习称为监督学习。
监督学习的一个经典示例是分类。假设我们已经测量了3种不同类型的花（ Setosa山鸢尾、 Versicolor变色鸢尾、 Virginica弗吉尼亚鸢尾）的4种不同的属性（尊片长度、尊片宽度、花瓣长度和花瓣宽度）。
我们对每种花的25种不同示例进行了测量。然后，这些数据将用作训练数据，其中有可用于训练模型的输入（4个测量的属性）和相应的输出（花的类型）。然后以监督的方式训练合适的机器学习模型。一旦模型被训练好，就可以根据萼片和花瓣的尺寸对任何花（在三种已知类型之间）进行分类。
04 无监督学习
在无监督学习范式中，标记数据是不可用的。无监督学习的一个经典例子是“聚类”。考虑与前面小节中描述的相同示例，在该示例中，我们对三种类型的花的萼片和花瓣尺寸进行了测量。但是，在本例中，我们没有每组测量的花的确切名称。我们所拥有的只是一组测量值。此外，我们被告知这些测量值属于三种不同类型的花。
在这种情况下，可以使用无监督学习技术自动识别三组测量值（所属的）类簇。但是，由于标签未知，我们所能做的就是将每个类簇称为flower-type-1、flower-type-2和flower-type-3。如果给出一组新的测量值，我们可以找到它们最接近的类簇，并将它们归类为其中之一。
我是一位爱学习的老人！本站主要是些学习体验与分享(其中会引用一些作品的原话并结合我的一生体会与经验加工整理而成！在此一并感谢！如有不妥之处敬请与我联系,我会妥善处理，谢谢！)我写的主要是中老年人各方面应注意的事儿！退休后我希望通过这个平台广交朋友，互助交流，共筑美好生活！！！！！！ 更多文章请参看http://www.zzz818.com赵站长的博客。期待大家的光临与指教哦^0^！欢迎大家转发！
联系客服
