機器學習一 -- 什麼是監督學習和無監督學習？

機器學習中的監督學習和無監督學習

說在前面

最近的我一直在尋找實習機會，不少公司給了我第一次電話面試的機會，就沒有下文了。不論是HR姐姐仍是第一輪的電話面試，公司員工的態度和耐心都很值得點贊，我也很是感激他們。可是我都沒有進入下一輪面試的機會，一路想一想個人簡歷和學習經歷，確實也挺難有進入第二輪面試的機會的，由於我大學裏學習的知識和技能除了一些經常使用算法就再也沒別的了，參加過幾場ACM/ICPC並得到過幾個小獎，沒有什麼項目經驗和紮實的語言基礎，可想而知我得弱到什麼程度去了。

前幾天仍是很認真的想了一下，計劃A就是再看看有沒有規模小一些的合口味的公司，若是有機會暑假也能夠出去實習一段時間，若是真沒有的話 ，我也不會灰心喪氣，執行個人計劃B。個人計劃B就是在校再學習一段時間，爭取在校招的時候有個好結果。目前我就決定好好學習一些機器學習和爬蟲的知識，把理論知識搞紮實了，爭取到時候也有勇氣投遞一下搜索方面和算法工程師的職位。

正文

機器學習主要分爲有監督學習和無監督學習兩種。接下來我詳細的給你們介紹一下這兩種方法的概念和區別。

 

監督學習（supervised learning）：經過已有的訓練樣本（即已知數據以及其對應的輸出）來訓練，從而獲得一個最優模型，再利用這個模型將全部新的數據樣本映射爲相應的輸出結果，對輸出結果進行簡單的判斷從而實現分類的目的，那麼這個最優模型也就具備了對未知數據進行分類的能力。在社會中，咱們在很小的時候就被大人教授這是鳥啊，那是豬啊，這個是西瓜、南瓜，這個能夠吃、那個不能吃啊之類的，咱們眼裏見到的這些景物食物就是機器學習中的輸入，大人們告訴咱們的結果就是輸出，長此以往，當咱們見的多了，大人們說的多了，咱們腦中就會造成一個抽象的模型，下次在沒有大人提醒的時候看見別墅或者洋樓，咱們也能辨別出來這是房子，不能吃，房子自己也不能飛等信息。上學的時候，老師教認字、數學公式啊、英語單詞等等，咱們在下次碰到的時候，也能區分開並識別它們。這就是監督學習，它在咱們生活中無處不在。

 

無監督學習（unsupervised learning）：咱們事先沒有任何訓練數據樣本，須要直接對數據進行建模。好比咱們去參觀一個畫展，咱們對藝術一無所知，可是欣賞完不少幅做品以後，咱們面對一幅新的做品以後，至少能夠知道這幅做品是什麼派別的吧，好比更抽象一些仍是更寫實一點，雖然不能很清楚的瞭解這幅畫的含義，可是至少咱們能夠把它分爲哪一類。再好比咱們在電影院看電影，對於以前沒有學過相關電影藝術知識的咱們，可能不知道什麼是一部好電影，什麼是一部很差的電影，但是在觀看了不少部電影以後，咱們腦中對電影就有了一個潛在的認識，當咱們再次坐在電影院認真觀看新上映的電影時，腦中就會對這部電影產生一個評價：怎麼這電影這麼很差啊，整個故事線是混亂的，一點也不清晰，比我以前看過的那些電影差遠了，人物的性格也沒有表現出來，關鍵是電影主題還搞偏了；哎呀，這個電影拍得確實好啊，故事情節和人物性格都很鮮明，並且場景很逼真，主角的實力表演加上他與生俱來的憂鬱眼神一下把人物演活了。

再給你們舉一個無監督學習的例子。遠古時期，咱們的祖先打獵吃肉，他們自己以前是沒有經驗而言的，當有人用很粗的石頭去割動物的皮的時候，發現很難把皮隔開，可是又有人用很薄的石頭去割，發現比別人更加容易的隔開動物的毛皮，因而，次日、第三天、……，他們就知道了須要尋找比較薄的石頭片來割。這些就是無監督學習的思想，外界沒有經驗和訓練數據樣本提供給它們，徹底靠本身摸索。

總結

本次計劃比較系統的學習機器學習理論知識了，固然也會比較完整的把我所學到的這些知識分享給你們。回想剛纔所提到的監督學習和無監督學習兩種方法，或許不少人都會認爲任何事情有人教固然很好了啊，全部監督學習更方便快捷嘛，大部分狀況確實這樣，可是若是有些狀況好比沒法提供訓練數據樣本或者提供訓練數據樣本的成本過高的話，或許咱們就應該採起無監督學習的策略了。監督學習的典型例子就是決策樹、神經網絡以及疾病監測，而無監督學習就是很早以前的西洋雙陸棋和聚類。

監督學習和無監督學習的更具體例子我會在後面學習的過程當中給你們總結出來。另外，若是你們有比較好的機器學習的資源，也很感謝您的留言。