1.ML-監督學習(supervised learning)與無監督學習(unsupervised learning)

1.1監督學習(supervised learning)

　　初步定義：給定一個數據集，而且給定正確答案，數據集中的每一個例子，經過算法將預測獲得例子的「正確答案」。

　　迴歸：設法預測連續的輸出值； 

　　如，關於房屋面積與房價之間關係的房價預測；

                                              

　　當由房屋面積對應房屋的售價時，通常是成連續關係，當房屋面積越大，售價越高，因此當給出任一房屋size時，其相應的Price也會預測獲得，這即是典型的迴歸問題，輸出預測到連續性的值。

　　分類：設法預測一個離散的輸出值。如，根據腫瘤快大小判別是否患腫瘤。

                                                  

　　腫瘤由許多因素決定，但真正的影響因素有一個，根據腫瘤塊的大小判別是否患腫瘤，通常來講，腫瘤快值越大，患腫瘤的機率越高，典型的分類問題，輸出預測的離散性的預測值。

 

1.2無監督學習(unsupervised learning)

　　沒有屬性或標籤概念，給定數據集，數據分紅不一樣聚類，無監督學習把數據分紅多個不一樣簇，爲聚類。

                                                  

　　無監督學習，由給定的數據，找出數據中蘊含的類型結構，然後進行聚類分析。