监督学习和非监督学习

机器学习定义

机器学习的定义是：

A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E

翻译过来是，一个计算机程序从经验E中学习某些类型的任务T和性能度量P，如果它在任务T中的性能(以P度量)随着经验E的提高而提高。按照定义举例如下：
i.e. 下象棋

• E：下了很多次象棋所得到的经验
• T：下象棋的任务次数
• P：下一次下象棋赢的概率

基本上，任何关于机器学习的问题都可以分为两种类型：监督学习和非监督学习。

机器学习的分类

监督学习

Supervised Learnning ,中文解释监督学习。在监督学习里，我们会得到一些数据集，并且已经知道正确的输出结果。监督学习分为回归问题和分类问题。在一个回归问题里，我们试图在连续输出中预测结果，这意味着我们试图将输入变量映射到某个连续函数。在一个分类问题中，我们试图将输入变量映射到离散的类别中。

• 根据房地产市场上房屋大小的数据，试着预测它们的价格。价格作为规模的函数是一个连续的输出，所以这是一个回归问题
• 对于一个有肿瘤的病人，我们必须预测肿瘤是恶性的还是良性的

非监督学习

Unsupervised Learnning.非监督学习，无监督学习允许我们在处理问题时几乎不知道结果应该是什么样子，我们可以从数据中推导出结构我们不一定知道变量的影响。我们可以根据数据中变量之间的关系对数据进行聚类，从而得到这种结构。在无监督学习中，没有基于预测结果的反馈。

• 收集1,000,000个不同的基因，并找到一种方法自动将这些基因分组，这些基因通过不同的变量(如寿命、位置、角色等)以某种方式相似或相关

一般非监督应用在集群问题里比较多。