吴恩达机器学习笔记4-有监督学习

“ 本次视频讲解什么是有监督学习，重点讲了回归问题、分类问题。”

01

—

视频

02

—

笔记

本次视频，吴老师通过两个例子给我们讲解了什么是有监督的机器学习。这里面又包括了有监督学习常被用来解决的两类问题：回归问题、分类问题。

2.1 什么是有监督的机器学习？

在本视频中，吴老师并没有给出监督学习的非常学术化的定义。他通过两个例子来引导我们认识监督学习。

假设你手上有这样一些数据，如下面图所示。你知道了一些已经卖出去的房子的面积和价格，然后给你一个新的房子让你预测一下它的售价，像这样由一组已知了自变量（房屋面积）、因变量（房屋售价）的数据让你去预测新的自变量对应的因变量的学习问题，就叫做有监督学习。

2.2 回归问题

那什么是回归问题呢？还是以上面卖房子的问题为例，我们房子售价的可能取值是连续的，这类监督学习问题就叫做回归问题。

如下面的图，我们可以用直线或者曲线去拟合已知的房价和面积之间的关系，又分别被称为线性回归和非线性回归。

2.3 分类问题

另一类监督学习问题是分类问题，相对于回归问题，它的因变量取值是离散的值，即因变量所有可能取值是有限。

比如下图对于肿瘤大小和肿瘤类型的关系的学习问题。给定一个肿瘤尺寸我们对它进行预测，它要么是良性的、要么是恶性的，就只有这两种可能性。这样的问题就是分类问题。

当然，在实际的问题中，我们要考虑的自变量可能有很多很多，肿瘤这种我们可能还要考虑患者的年龄、肿瘤的厚度等，最后对肿瘤类型的分类可能也不止两种。

最后，给了给了一个练习题。有两个机器学习任务：

1. 假设有一个商品，存量挺大的，让你预测接下来3个月将会卖掉多少。
2. 假设你开发了一个款软件有很多用户，让你判断每个用户是不是被黑客攻击了。

很显然，第1个问题是回归问题、第2个问题是分类问题。