机器学习——什么是机器学习

一、机器学习的定义：计算机程序从经验E中学习，解决某一任务T，进行某一性能度量P。因为E使得在T上的表现P有所提高。

二、监督学习 ( supervised learning ) ：

例1. 房价预测

给算法一个数据集，其中包含了正确答案，在房价预测中表示，有一个房价的数据集，这个数据集中的每个样本都有“正确”已知的价格，算法的目的就是为了给出更多的“正确”答案。

专业来说，这一类问题称为回归问题（ regression ），回归问题指要预测连续的数值输出，在房价预测中，一个房子的实际价格是一个离散值，但是房价的可能的值是一个连续值，即设法预测连续值的属性。

例2. 判断肿瘤的良性或恶性

有一个数据集，蓝色X尺寸的肿瘤是良性，红色X尺寸的肿瘤是恶性，那么判断紫色箭头尺寸的肿瘤是良性还是恶性，或良性的概率和恶性的概率。

这是一个分类问题（ classification ），分类问题是指设法预测一个离散值输出，0或1，良性或恶性，当然也可能不止两类，有多种类型。

上图中有0和1表示良性和恶性，也可以换一种标记，用O和X表示良性和恶性。 蓝色O表示良性，红色X表示恶性。

另外，往往真实的数据集不止一个特征，比如下图有两个特征：年龄和肿瘤尺寸，然后算法会拟合曲线将良性的恶性分开，然后看紫色的要预测的病人很可能是属于蓝色的一种，即良性。

除这些特征外，还可以有很多特征，比如肿瘤厚度、肿瘤细胞大小均匀性、肿瘤细胞形状均匀性等等。有的学习问题可能要处理无穷多的特征。比如支持向量机算法可以处理无穷多的算法。

Supervised Learning：“right answers” given

Regression：predict continuous valued output（such as price）

Classification：discrete valued output （ 0 or 1 )

三、无监督学习 ( unsupervised learning ) ：

监督学习的数据都有明确区分的标签：

非监督学习的数据集都有相同的标签或者都没有标签，然后算法对这个数据集进行聚类，下图分为了两簇。