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。