【人工智能】机器学习入门之监督学习（一）有监督学习

机器学习入门之监督学习(一)有监督学习

简介

监督学习算法是常见算法之一，主要分为有监督学习和无监督学习。本文主要记录了有监督学习中的分类算法和回归算法，其中回归算法是本文最主要内容。

本笔记对应视频：阿里云开发者社区学习中心-人工智能学习路线-阶段1：机器学习概览及常见算法

对应视频地址：机器学习概览及常见算法-阿里云开发者社区

监督学习

定义：利用已知类别的样本​，训练学习得到一个最优模型，使其达到所要求性能，再利用这个训练所得模型，将所有的输入映射为相应的输出，对输出进行简单的判断，从而实现分类的目的，即可以对未知数据进行分类。

监督学习分为：有监督学习，无监督学习，半监督学习

‍

本文内容主要介绍有监督学习和无监督学习相关算法

有监督学习

有监督学习( Supervised learning ) ：利用一组已知类别的样本来训练模型,使其达到性能要求。

特点：为输入数据(训练数据)均有一个明确的标识或结果(标签)

萌狼说1：就是给他问题和答案，让他自己做题，然后自己对答案。

萌狼说2：就是给它一道有答案的例题让它学习

分类算法

分类(Classification)：就是通过已有数据集(训练集)的学习,得到一个目标函数f (模型)，把每个属性集x映射到目标属性y (类) ,且y必须是离散的(若y为连续的,则属于回归算法)。通过对已知类别训练集的分
析，从中发现分类规则，以此预测新数据的类别。

萌狼说人话：比如我手上有一堆图片，同时每张图片标记了图中人物是否戴口罩。我给它看：AI你看啊，这张图是戴了口罩了，这张图是没戴口罩的……(AI学习中)，根据我教它的，它进行建模，然后你给它一张没见过的图片，它在这个时候就能根据模型预测这张图是否戴了口罩了。

【相关阅读】计算机视觉技术与应用：识别人物是否带口罩

文章地址(包含代码)：计算机视觉技术与应用：识别人物是否带口罩

分类算法有很多种

按原理分类：

• 基于统计的：例如贝叶斯分类
• 基于规则的：例如决策树算法
• 基于神经网络的：神经网络算法
• 基于距离的：KNN(K最近邻)

常用评估指标

• 精确率：预测结果与实际结果的比例
• 召回率：预测结果中某类结果的正确覆盖率
• F1-Score：统计量，综合评估分类模型，取值0-1之间

回归算法

回归(Regression)

分类算法的带的目标属性y(类)是离散的，而回归算法得到的y是连续的。

既然是连续的，就可以使用函数表示。

所以回归算法的实质：通过已有数据，尽可能的去拟合成一个函数

例如：我有商品在不同售价时对应卖出数量的数据集，对这些数据建模后，模型就可以根据我们输入的价格预测会卖出的数量。实际上它是根据我们给的数据，拟合了一个函数，例如拟合线性方程Y=aX+b​

这个a和b可以使用最小二乘法求出来。

比如我给你如下数据