机器学习-监督与非监督学习

监督学习：

　　给定一个包含正确答案的数据集，也就是给定一个实际发生的真实地数据集，通过此数据集预测出另一个参数对应的正确答案。

　　回归问题，即有连续的预测数值输出。例：房价与面积关系。

　　分类问题，预测离散值输出。例：肿瘤是良性还是恶性。

　　监督学习：结构化信息即有定义的信息如年龄面积广告数等。

无监督学习

　　非结构化信息即如音频视频图片文字等计算机难理解的数据，但人类对他们很理解，所以有了神经网络。

　　数据集没有标签，或都具有相同标签，我们不知道数据集是什么，用来干什么，能在其中自动找到某种结构吗？无监督算法可能判定数据集包含不同的簇，即聚类算法，例：谷歌新闻每天网络上收集几万条新闻将它们分成不同的专题，不断点击可以进入越来越深层新闻。

　　用途：

　　　　组织大型的计算机集群；社交网络的分析，可得知联系最多的人，判断是否认识；天文数据分析，带来星系形成理论。

　　　　人声与音乐色混合录制音频，录制两个，交给计算机处理，它会告知我们有两个音频源，并分别提取出来。实现这个功能并没有我们想得那么难，实际只需要一行代码：（当然这个公式的出现费了研究员很长时间）

 　　　　

　　Octave软件，matlab，许多算法可以用几行代码表示。先octave建立软件原型，可以工作后再迁移到其他编译环境，更快。只用c++或java，python则需要很多步骤。