机器学习简单入门概念

监督学习

监督学习的关键特征在于需要提供学习算法示例以供学习
即给定输入x和正确标签y，通过查看正确的输入x和标签y学习算法最后实现只给输入x而预测出正确的标签y

监督学习通常分为两种类型： 回归和分类

回归指让机器学习从无限多可能性的数字中预测数字

分类可以分为二分类，和多分类。

连续变量的预测叫回归，离散变量的预测是分类。

无监督学习

根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，称之为无监督学习

无监督学习通常分为两种类型： 聚类和减维

聚类的目的在于把相似的东西聚在一起，而我们并不关心这一类是什么 最简单的例子如你在看一篇新闻时网站会推送相关新闻，而这就可以通过聚类来实现

降维属于常见的无监督学习之一。使用它的目标包括：数据压缩（压缩数据，使得数据占用较少的内存；对学习算法进行加速）、数据可视化。