ML之SL：監督學習(Supervised Learning)的簡介、應用、經典案例之詳細攻略

?

?

目錄

監督學習(Supervised Learning)的簡介

1、監督學習問題的兩大類—分類問題和回歸問題

2、監督學習常見的算法

3、監督學習過程

1、Model selection during prototyping phase

監督學習(Supervised Learning)的應用

1、監督學習、半監督學習和非監督學習之間的區別

監督學習(Supervised Learning)的經典案例

---

?

?

參考文章：《2019中國人工智能發展報告》—清華大學中國工程院知識智能中心—201912

相關文章
ML之SL：監督學習(Supervised Learning)的簡介、應用、經典案例之詳細攻略
ML之UL：無監督學習Unsupervised Learning的概念、應用、經典案例之詳細攻略
ML之SSL：Semi-Supervised Learning半監督學習的簡介、應用、經典案例之詳細攻略

監督學習(Supervised Learning)的簡介

? ? ? ?監督學習，是指利用一組已知類別的樣本調整分類器的參數，使其達到所要求性能的過程，也稱為監督訓練或有教師學習。
?? ? ??監督學習是從標記的訓練數據來推斷一個功能的機器學習任務。訓練數據包括一套訓練示例。在監督學習中，每個實例都是由一個輸入對象（通常為矢量）和一個期望的輸出值（也稱為監督信號）組成。監督學習算法是分析該訓練數據，并產生一個推斷的功能，其可以用于映射出新的實例。一個最佳的方案將允許該算法來正確地決定那些看不見的實例的類標簽。這就要求學習算法是在一種“合理”的方式從一種從訓練數據到看不見的情況下形成。

? ? ? ?監督學習中的數據集是有標簽的，就是說對于給出的樣本我們是知道答案的。如果機器學習的目標是通過建模樣本的特征x和標簽y之間的關系：f (x，θ)或p(y|x, θ)，并且訓練集中每個樣本都有標簽，那么這類機器學習稱為監督學習。

?

1、監督學習問題的兩大類—分類問題和回歸問題

? ? ? ?根據標簽類型的不同，又可以將其分為分類問題和回歸問題兩類。前者是預測某一樣東西所屬的類別（離散的），比如給定一個人的身高、年齡、體重等信息，然后判斷性別、是否健康等；后者則是預測某一樣本所對應的實數輸出（連續的），比如預測某一地區人的平均身高。我們大部分學到的模型都是屬于監督學習，包括線性分類器、支持向量機等。

?

2、監督學習常見的算法

? ? ? ?常見的監督學習算法有：k-近鄰算法（k-Nearest Neighbors，kNN）、決策樹（Decision Trees）、樸素貝葉斯（Naive Bayesian）等。

?

3、監督學習過程

?

1、Model selection during prototyping phase

?

?

監督學習(Supervised Learning)的應用

1、監督學習、半監督學習和非監督學習之間的區別

? ? ? ? 可以看到，圖2-7（a）中，紅色三角形數據和藍色圓點數據為標注數據；圖2-7（b）中，綠色的小圓點為非標注數據。圖2-7（c）顯示監督學習將有標簽的數據進行分類；而半監督學習如圖2-7（d）中部分是有標簽的，部分是沒有標簽的，一般而言，半監督學習側重于在有監督的分類算法中加入無標記樣本來實現半監督分類。

?

?

?

?

?

監督學習(Supervised Learning)的經典案例

本博客中，監督學習案例較多，自行查看即可。

?

?

?

?

?

?

?

?

?

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的ML之SL：监督学习(Supervised Learning)的简介、应用、经典案例之详细攻略的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。