机器学习笔记（一） 监督学习和无监督学习
1.机器学习
两条定义：
2.监督学习
给定一组数据，我们知道正确的输出结果应该是什么样子，并且知道在输入和输出之间有着一个特定的关系。
监督学习的分类：回归（Regression）、分类（Classification）
回归：预测一个连续值，输入变量和输出用一个函数对应。
分类：预测一个离散值，输入变量和离散的类别对应。
举例：
回归：对房地产数据也测房屋价格，面积已给定，价格可以看做是面积的函数，是一个连续的输出值。
分类：通过肿瘤的大小预测是恶性还是良性，这是一个分类问题，输出是0和1两个离散值。0意味着良性，1意味着恶性。当然输出的值可以不止两个，可以有四种，良性、第一类肿瘤、第二类肿瘤、第三类肿瘤。
上面的例子里只有一个特征，就是肿瘤的大小。但有时候特征不止一个，可能有两个或多个。如下图，特征就有五个，年龄和肿瘤的大小，还有右边的三个特征。
3.无监督学习
在无监督学习中，没有任何的标签或者是有相同的标签，已知数据集，但不知道怎么处理，也不知道每个数据点是什么。它的结果我们一般不知道，但是可以通过聚类的方式去提取一个结构。他会把数据分成不同的簇，所以也叫聚类算法。
无监督学习中，我们给出一组数据，用聚类算法将这组数据分成两个不同的簇，如上面右图所示。
举例：
Google News搜集网上的新闻，并根据新闻的主体将其分为许多簇，同一簇的新闻放在一起。如下图所示：
一组不同的人，我们去测量他们的基因对一个特定基因的表达成都，再根据结果用聚类算法将他们分为不同的类型。只给出数据，但我们并不知道是哪一种类型的人，典型的无监督学习，如下图所示。
查看7道真题和解析
