吴恩达机器学习——监督学习

吴恩达机器学习笔记：监督学习入门

什么是监督学习？

监督学习是一种机器学习方法，核心是用带有 “标准答案” 的数据集训练模型。每个输入样本都对应已知的输出标签，模型通过学习这些数据，找到输入与输出之间的映射关系，最终实现对新数据的预测。

给机器大量x对应y的数据集，大量数据集训练后给予一个新的x，机器尝试生成适当的y。算法通过分析这些训练样本，学习到一个从输入到输出的映射关系，然后利用这个映射关系对新的、未见过的样本进行预测。

两大核心任务

• 回归（Regression）：预测连续型输出。
  例：根据房屋面积、房龄预测房价，根据温度、湿度预测农作物产量。 线性回归，拟合直线，曲线或其他函数？
• 分类（Classification）：预测离散型输出（类别）。
  例：判断邮件是否为垃圾邮件（是 / 否），根据医学影像判断肿瘤性质（良性 / 恶性）。0或1，两种可能的输出？可多个输入进行优化，分类划分。

基本流程

1. 准备带标签的训练数据集（输入 x + 输出 y）
2. 选择合适的模型（如线性回归、逻辑回归）
3. 训练模型，优化参数以最小化预测误差
4. 用测试集评估模型性能，迭代优化