机器学习一 -- 什么是监督学习和无监督学习？

机器学习中的监督学习和无监督学习

说在前面

最近的我一直在寻找实习机会，不少公司给了我第一次电话面试的机会，就没有下文了。不论是HR姐姐仍是第一轮的电话面试，公司员工的态度和耐心都很值得点赞，我也很是感激他们。可是我都没有进入下一轮面试的机会，一路想一想个人简历和学习经历，确实也挺难有进入第二轮面试的机会的，由于我大学里学习的知识和技能除了一些经常使用算法就再也没别的了，参加过几场ACM/ICPC并得到过几个小奖，没有什么项目经验和扎实的语言基础，可想而知我得弱到什么程度去了。

前几天仍是很认真的想了一下，计划A就是再看看有没有规模小一些的合口味的公司，若是有机会暑假也能够出去实习一段时间，若是真没有的话 ，我也不会灰心丧气，执行个人计划B。个人计划B就是在校再学习一段时间，争取在校招的时候有个好结果。目前我就决定好好学习一些机器学习和爬虫的知识，把理论知识搞扎实了，争取到时候也有勇气投递一下搜索方面和算法工程师的职位。

正文

机器学习主要分为有监督学习和无监督学习两种。接下来我详细的给你们介绍一下这两种方法的概念和区别。

 

监督学习（supervised learning）：经过已有的训练样本（即已知数据以及其对应的输出）来训练，从而获得一个最优模型，再利用这个模型将全部新的数据样本映射为相应的输出结果，对输出结果进行简单的判断从而实现分类的目的，那么这个最优模型也就具备了对未知数据进行分类的能力。在社会中，咱们在很小的时候就被大人教授这是鸟啊，那是猪啊，这个是西瓜、南瓜，这个能够吃、那个不能吃啊之类的，咱们眼里见到的这些景物食物就是机器学习中的输入，大人们告诉咱们的结果就是输出，长此以往，当咱们见的多了，大人们说的多了，咱们脑中就会造成一个抽象的模型，下次在没有大人提醒的时候看见别墅或者洋楼，咱们也能辨别出来这是房子，不能吃，房子自己也不能飞等信息。上学的时候，老师教认字、数学公式啊、英语单词等等，咱们在下次碰到的时候，也能区分开并识别它们。这就是监督学习，它在咱们生活中无处不在。

 

无监督学习（unsupervised learning）：咱们事先没有任何训练数据样本，须要直接对数据进行建模。好比咱们去参观一个画展，咱们对艺术一无所知，可是欣赏完不少幅做品以后，咱们面对一幅新的做品以后，至少能够知道这幅做品是什么派别的吧，好比更抽象一些仍是更写实一点，虽然不能很清楚的了解这幅画的含义，可是至少咱们能够把它分为哪一类。再好比咱们在电影院看电影，对于以前没有学过相关电影艺术知识的咱们，可能不知道什么是一部好电影，什么是一部很差的电影，但是在观看了不少部电影以后，咱们脑中对电影就有了一个潜在的认识，当咱们再次坐在电影院认真观看新上映的电影时，脑中就会对这部电影产生一个评价：怎么这电影这么很差啊，整个故事线是混乱的，一点也不清晰，比我以前看过的那些电影差远了，人物的性格也没有表现出来，关键是电影主题还搞偏了；哎呀，这个电影拍得确实好啊，故事情节和人物性格都很鲜明，并且场景很逼真，主角的实力表演加上他与生俱来的忧郁眼神一下把人物演活了。

再给你们举一个无监督学习的例子。远古时期，咱们的祖先打猎吃肉，他们自己以前是没有经验而言的，当有人用很粗的石头去割动物的皮的时候，发现很难把皮隔开，可是又有人用很薄的石头去割，发现比别人更加容易的隔开动物的毛皮，因而，次日、第三天、……，他们就知道了须要寻找比较薄的石头片来割。这些就是无监督学习的思想，外界没有经验和训练数据样本提供给它们，彻底靠本身摸索。

总结

本次计划比较系统的学习机器学习理论知识了，固然也会比较完整的把我所学到的这些知识分享给你们。回想刚才所提到的监督学习和无监督学习两种方法，或许不少人都会认为任何事情有人教固然很好了啊，全部监督学习更方便快捷嘛，大部分状况确实这样，可是若是有些状况好比没法提供训练数据样本或者提供训练数据样本的成本过高的话，或许咱们就应该采起无监督学习的策略了。监督学习的典型例子就是决策树、神经网络以及疾病监测，而无监督学习就是很早以前的西洋双陆棋和聚类。

监督学习和无监督学习的更具体例子我会在后面学习的过程当中给你们总结出来。另外，若是你们有比较好的机器学习的资源，也很感谢您的留言。