39 lines
1.8 KiB
Markdown
39 lines
1.8 KiB
Markdown
---
|
||
title: Supervised Learning
|
||
localeTitle: 监督学习
|
||
---
|
||
## 监督学习
|
||
|
||
在有监督的学习中，我们知道正确的输出应该是什么。监督学习问题可以分为回归和分类。回归问题是将输入映射到连续输出的位置。相反，分类问题是将输入映射（分组）到离散类别的位置。
|
||
|
||
### 回归
|
||
|
||
根据有关二手车的数据，例如里程数，您可以预测其市场价格。由于价格是一个连续变量，这是一个回归问题。在另一个例子中，微软发布了一个基于图片预测年龄的网络应用程序。同样，由于年龄是连续的而不是离散的或绝对的，这也是一个回归问题。
|
||
|
||
### 分类
|
||
|
||
上述回归问题可以转化为分类问题。假设您想要寻找低于X美元的二手车。然后输出将是二手车适合您设定的价格。同样，如果我们想要预测提交的图片是否属于18岁以下的人，年龄预测可能是一个分类问题，因此不应该被允许购买卷烟。
|
||
|
||
### 讨论要点：
|
||
|
||
* 有监督学习有什么特别之处？
|
||
* 在什么情况下你会使用它？
|
||
* 需要注意的警告或陷阱？
|
||
* 什么是示例模型？
|
||
|
||
#### 例1：
|
||
|
||
> 鉴于有关房地产市场房屋面积的数据，请尝试预测房价。
|
||
|
||
作为大小函数的价格是连续输出，因此这是一个回归问题。
|
||
|
||
#### 例2：
|
||
|
||
（a）回归 - 对于连续响应值。例如，给定一个人的照片，我们必须根据给定的图片预测他们的年龄
|
||
|
||
（b）分类 - 对于分类响应值，其中数据可以分成特定的“类”。例如，对于患有肿瘤的患者，我们必须预测肿瘤是恶性的还是良性的。
|
||
|
||
#### 推荐阅读：
|
||
|
||
* https://en.wikipedia.org/wiki/Supervised\_learning
|
||
* https://stackoverflow.com/a/1854449/6873133 |