1旦装、有監(jiān)督學(xué)習(xí)：通過(guò)已有的訓(xùn)練樣本去訓(xùn)練得到一個(gè)最優(yōu)模型，再利用這個(gè)模型將所有的輸入映射為相應(yīng)的輸出合是，對(duì)輸出進(jìn)行簡(jiǎn)單的判斷從而實(shí)現(xiàn)預(yù)測(cè)和分類(lèi)的目的身诺，也就具有了對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)和分類(lèi)的能力。就如有標(biāo)準(zhǔn)答案的練習(xí)題禾酱，然后再去考試微酬，相比沒(méi)有答案的練習(xí)題然后去考試準(zhǔn)確率更高。又如我們小的時(shí)候不知道牛和鳥(niǎo)是否屬于一類(lèi)颤陶，但當(dāng)我們隨著長(zhǎng)大各種知識(shí)不斷輸入颗管，我們腦中的模型越來(lái)越準(zhǔn)確，判斷動(dòng)物也越來(lái)越準(zhǔn)確滓走。
有監(jiān)督學(xué)習(xí)可分為回歸和分類(lèi)垦江。
回歸：即給出一堆自變量X和因變量Y，擬合出一個(gè)函數(shù)搅方，這些自變量X就是特征向量比吭，因變量Y就是標(biāo)簽绽族。 而且標(biāo)簽的值連續(xù)的，例LR衩藤。
分類(lèi)：其數(shù)據(jù)集吧慢，由特征向量X和它們的標(biāo)簽Y組成，當(dāng)你利用數(shù)據(jù)訓(xùn)練出模型后赏表，給你一個(gè)只知道特征向量不知道標(biāo)簽的數(shù)據(jù)娄蔼，讓你求它的標(biāo)簽是哪一個(gè)？其輸出結(jié)果是離散的底哗。例如logistics岁诉、SVM、KNN等跋选。
2涕癣、無(wú)監(jiān)督學(xué)習(xí)：我們事先沒(méi)有任何訓(xùn)練樣本，而需要直接對(duì)數(shù)據(jù)進(jìn)行建模前标。比如我們?nèi)⒂^(guān)一個(gè)畫(huà)展坠韩，我們完全對(duì)藝術(shù)一無(wú)所知，但是欣賞完多幅作品之后炼列，我們也能把它們分成不同的派別只搁。無(wú)監(jiān)督學(xué)習(xí)主要算法是聚類(lèi)，聚類(lèi)目的在于把相似的東西聚在一起俭尖，主要通過(guò)計(jì)算樣本間和群體間距離得到氢惋，主要算法包括Kmeans、層次聚類(lèi)稽犁、EM算法焰望。
