本文介绍: 监督学习算法其实就是x到y的一种映射，也可以说是输入到输出的一种映射。监督学习算法主要分为两类，回归算法和分类算法。回归算法其实就是预测坐标轴的可能区间的无限个数。而分类算法预测结果就是坐标轴上的点。
⭐️Supervised learning
监督机器学习是指学习x到y或者 输入到输出映射的算法。
监督学习的关键特征是，我们自己提供学习算法示例以供学习。
这其实就是，给定输入x的正确标签y，机器通过查看正确的输入x和所需的标签y，最终学会学习算法。即，当我们只是给出输入x，机器就能够给出合理准确的预测或者猜想。
⭐️Examples
或者，我们可以将图片作为输入，比如说，刚下线的手机，将其图片作为输入，让学习算法根据输入的手机产品的 图片来判断是否存在划痕、凹痕或者其他缺陷。
这个称为目视检查，它可以帮助制造商减少或者防止其产品中的缺陷。
在上面的这些例子中，我们首先需要输入大量的示例，即输入x和与其相对应的正确答案即标签y来训练我们的模型。
在模型从这些输入、输出(x和相对应的y)中学习之后，它们可以采用全新的输入x(它以前从未见过的东西),并尝试产生适当的对应输出y。
⭐️Specific example
下面让我们更深入地研究一个具体的示例。
房价预测问题。
假如我们想根据房屋地大小来预测房价，并且我们已经收集到了一些过去的数据，并绘制了数据。
这里的横轴是以平方英尺为单位的房屋大小，纵轴是房子的价格。
有了这些数据，假如你的一位朋友想直到他们750平方英尺的房子的价格是多少。那通过学习算法如何帮助到你的朋友呢？
学习算法可能会通过指向拟合数据，通过直线上的数据以及直线以外的读数，可以大概预测到房子大概可以卖到150，000美元。
但拟合直线并不是我们可以使用的唯一学习算法。还有更好的可以应用于此。
比如，我们用下面的曲线进行拟合：
这样看起来，你的朋友的房子可以接近于200，000美元的价格。
给你的朋友选择最好的价格出售并不合适，我们应该关注的一件事是，如何选择最合适的直线或者曲线来适应这个数据，给出最合适的数据。
⭐️两种类型的监督学习算法
🌙回归算法
🌙分类算法
⭐️总结
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
