1.ML-监督学习(supervised learning)与无监督学习(unsupervised learning)

1.1监督学习(supervised learning)

　　初步定义：给定一个数据集，并且给定正确答案，数据集中的每个例子，通过算法将预测得到例子的“正确答案”。

　　回归：设法预测连续的输出值； 

　　如，关于房屋面积与房价之间关系的房价预测；

                                              

　　当由房屋面积对应房屋的售价时，一般是成连续关系，当房屋面积越大，售价越高，所以当给出任一房屋size时，其相应的Price也会预测得到，这便是典型的回归问题，输出预测到连续性的值。

　　分类：设法预测一个离散的输出值。如，根据肿瘤快大小判别是否患肿瘤。

                                                  

　　肿瘤由许多因素决定，但真正的影响因素有一个，根据肿瘤块的大小判别是否患肿瘤，一般来说，肿瘤快值越大，患肿瘤的概率越高，典型的分类问题，输出预测的离散性的预测值。

 

1.2无监督学习(unsupervised learning)

　　没有属性或标签概念，给定数据集，数据分成不同聚类，无监督学习把数据分成多个不同簇，为聚类。

                                                  

　　无监督学习，由给定的数据，找出数据中蕴含的类型结构，而后进行聚类分析。