[吴恩达Coursea机器学习] 笔记003 监督学习

问题

1. 什么是监督学习？
2. 什么是回归问题？什么是分类问题？
3. 两个例子：房屋价格预测、肿瘤预测

两个例子

例一：房屋价格预测

横坐标：Size（房屋大小）
纵坐标：Price（价格）
红色的叉是数据点

问：假设你有一套房子，房屋大小size是750 ，那么价格price应该是多少？学习算法怎么帮助你呢？

答：可以画一条直线，如下图所示，750对应的价格大概是150刀左右。

问： 为什么要画一条直线？

答：可以换个角度来看，把问题看成一个函数问题，y = f(x)，其中y是价格，x是房屋大小，如果数据点都在这个函数曲线上面，给出房屋大小，我们就能算出价格来。所以我们要找一条曲线，让数据尽可能的在这条曲线上面。

问：还有其他解法吗？

答：比如不用直线，可能平方函数曲线会更好（二次多项式，蓝色曲线），750对应的价格大约是200刀左右。

专业的说，这个问题是一个回归问题：预测结果（房屋价格）是一个连续值。

例二：胸部肿瘤预测（恶性肿瘤/良性)

breast: 胸部
malignant：恶性的
benign：良性的
tumor：肿瘤

横坐标：肿瘤大小
纵坐标：是否是恶性肿瘤？0（否），1（是），两个取值

问：给定一个肿瘤大小， 能否估算出肿瘤为恶性或者良性的概率大小？

答：应该用什么样的曲线拟合这些数据？直线？曲线？

专业的说，这个问题是一个分类问题：预测结果是一个离散值，0（恶性） 或者1（良性）

问：分类问题的预测结果只能是0和1吗？

答：可以是多个分类，比如0到5，分别表示肿瘤的不同类型

问：除了size，还有哪些特征？

答：下面是一个多维特征的例子，通常机器学习问题都会用到很多的特征

横坐标：肿瘤大小
纵坐标：年龄

问：有一个朋友肿瘤大小和年龄落在上图中的A点，他的肿瘤是否是良性的？

答：画一条直线（下图中黑色的线），把两类肿瘤分隔开来，然后就能判断朋友的肿瘤，如果它在良性一边，因此更可能是良性的

更多的肿瘤特征：

clump Thickness：块的厚度
uniformity：均匀；一致性
uniformity of cell size： 细胞大小的变化
uniformity of cell shape：细胞形状的变化

总结：

什么是监督学习？

给定数据集和对应数据的正确结果（标签），通过这些数据和结果训练出一个模型M，用这个模型M来预测新的数据

监督学习分为两类：回归问题、分类问题

回归问题：要预测的结果输出是连续值

分类问题：要预测的结果输出是离散值，如果离散值是两个，比如\(y \in \{0,1\}\)，是二分类问题，其他的情况是多分类问题