目錄
最近兩天收到同學的私信，對於算法中的一些監督學習，無監督學習不是很瞭解，也不知道從何下手，本篇小編就來介紹一下這三者是什麼東西。
本文章節
1、監督學習
2、無監督學習
3、兩者的區別
4、兩者的使用場景
監督學習
監督學習，小編有個簡單的理解方式，按照這個順序來理解
1、有兩撥人，一撥人是好人，一撥是壞人
2、好人的行爲特徵有：扶老奶奶過馬路，撿到一分錢交給警察叔叔，當志願者等等
3、壞人的行爲特徵有：偷東西，搶劫，欺負好人等等
4、有個審判官，根據你的行爲來進行判斷是好人還是壞人
5、新進來一個小夥伴，由於此人經常扶老奶奶過馬路，當志願者等等，因此審判官就把你判斷爲好人
這五點，融入到機器學習裏面，用機器學習的話來說
好人與壞人：標籤
好人或者壞人的行爲：特徵值
審判官：訓練好的模型
新來的小夥伴：未知類別，待打上標籤的數據
這樣子是不是就比較好理解了，機器學習裏面，先根據已有數據進行模型訓練從而得到一個函數，當有新的數據到來的時候，根據這個函數預測結果。
監督學習裏面的訓練集合包含了輸入與輸出，代表着特徵值與標籤值。
在一般情況下，用來訓練的訓練集的標籤都是由業務方來標記，在工作中，最常見的其實就是數據分類了，通過已有的訓練的樣本去訓練得到一個模型，我們會採用K折交叉驗證來進行調參，從而得到參數的局部最優解，再根據這個模型去預測數據。
在監督學些中，最常見的是迴歸與分類，常見的算法有KNN，SVM，隨機森林等
無監督學習
相比於監督學習，無監督學習，其實就是少了這個監督，也就是沒有標籤。
還是那兩撥人，但是這兩撥人沒有實現標記誰是好人，誰是壞人，他們聚在一起，這時候，上帝之手出現了，它讓這些人喜歡幹嘛就去幹吧，不要猶豫，於是乎，好人們開始去扶老奶奶過馬路，壞人們開始去當小偷，上帝之手成功把這兩撥人給分離開來，接着，給他們分別打上標籤：好人，壞人。
這個上帝之手，就是計算機。
無監督學習中，有兩種方法
1、基於概率密度函數直接評估：其實就是根據每一個類別的特徵在空間的分佈情況得到分佈參數，根據這些分佈參數來進行分類。
2、基於數據樣本之間的相似性進行度量的聚類方式：假定每一個類別都有核心（當成黑幫老大來理解），以這個核心的特徵爲標準，把其他樣本的特徵與這個核心的特徵進行比較，當發現這是一類人的時候，就整合在一起好了，這樣子，不同類別就出來了。
這就是聚類，算法中，K-Mean，PCA，很多深度學習的算法，都是無監督學習。
兩者的區別
1、監督學習必須有訓練樣本及測試樣本，對訓練樣本進行訓練得到規律，再用這個規律來運用在測試樣本上；當時無監督學習就不用，一組數據，啥都沒有，直接就扔給計算機，讓它自己算。
2、監督學習必須有標籤，無監督學習不用標籤，讓計算機自己去分類，然後我們人工根據業務情況打上標籤。
兩者的使用場景
這個說簡單也挺簡單，根據業務方來定，如果業務方給了一組數據，然後還告知了類別，那就用監督學習，反着，則用無監督學習。
--END--
作者：溪雲閣
原創作品，抄襲必究。
部分圖片來源網絡，如侵權請聯繫刪除，謝謝！