哈嘍，【ML 新手村】的小伙伴們！

在上一篇，我們理解了機(jī)器學(xué)習(xí)的核心是讓電腦從數(shù)據(jù)中學(xué)習(xí)規(guī)律?，F(xiàn)在，咱們要開始深入機(jī)器學(xué)習(xí)的種類了！

機(jī)器學(xué)習(xí)主要可以分為幾大類，其中最常見、應(yīng)用也最廣泛的一類叫做 監(jiān)督學(xué)習(xí) (Supervised Learning)。

為什么叫“監(jiān)督”學(xué)習(xí)呢？

想象一下，你是一個(gè)老師，你手里有很多練習(xí)題（數(shù)據(jù)）。這些練習(xí)題很特別，每一道題不僅有題目本身（輸入），還！有！正！確！答！案?。ㄝ敵?標(biāo)簽）。

監(jiān)督學(xué)習(xí)就像是：你拿著這些“有答案”的練習(xí)題，去教一個(gè)學(xué)生（機(jī)器學(xué)習(xí)模型）。你讓學(xué)生先看題目，再看正確答案，學(xué)生通過反復(fù)看、反復(fù)練習(xí)，慢慢就學(xué)會(huì)了做這類題的方法和規(guī)律。

這里的“正確答案”，就是那個(gè)進(jìn)行“監(jiān)督”的老師。所以，監(jiān)督學(xué)習(xí)最核心的特點(diǎn)就是：我們有帶有“標(biāo)簽”的數(shù)據(jù)來進(jìn)行訓(xùn)練。

什么是“帶標(biāo)簽的數(shù)據(jù)”？

簡單來說，就是每一條數(shù)據(jù)都有一個(gè)明確的“輸入”和一個(gè)明確的“輸出”或“結(jié)果”與它對應(yīng)。這個(gè)“輸出”就是它的標(biāo)簽。

舉幾個(gè)例子：

• 預(yù)測房價(jià)：
   你的數(shù)據(jù)可能是一張表格，每一行代表一個(gè)房子。輸入是房子的特征（比如面積、臥室數(shù)、地理位置），標(biāo)簽/輸出 就是這個(gè)房子實(shí)際的成交價(jià)格。你有很多這樣的“房子特征 → 價(jià)格”對。
• 識(shí)別圖片中的物體：
   你的數(shù)據(jù)是一堆圖片文件。輸入是圖片本身的內(nèi)容，標(biāo)簽/輸出 就是圖片里主要物體的名稱（比如，這張圖片是“貓”，那它的標(biāo)簽就是“貓”；那張圖片是“汽車”，標(biāo)簽就是“汽車”）。
• 判斷郵件是不是垃圾郵件：
   你的數(shù)據(jù)是一封封郵件。輸入是郵件的內(nèi)容，標(biāo)簽/輸出 就是這封郵件是“垃圾郵件”還是“非垃圾郵件”。

看到了嗎？在這些例子里，我們總是知道輸入對應(yīng)的正確輸出是什么。機(jī)器學(xué)習(xí)模型就通過學(xué)習(xí)大量的“輸入 → 輸出”的對應(yīng)關(guān)系，來學(xué)會(huì)這個(gè)從輸入到輸出的映射規(guī)律。

監(jiān)督學(xué)習(xí)的目標(biāo)：舉一反三

一旦模型通過帶標(biāo)簽的數(shù)據(jù)學(xué)習(xí)到了這個(gè)規(guī)律，它的最終目標(biāo)就是能夠**“舉一反三”**！

也就是說，當(dāng)你給它一個(gè)新的、它從未見過的輸入數(shù)據(jù)時(shí)（這個(gè)新數(shù)據(jù)只有輸入，沒有標(biāo)簽），它也能根據(jù)之前學(xué)到的規(guī)律，預(yù)測出這個(gè)新數(shù)據(jù)最可能的輸出或標(biāo)簽是什么。

這就是為什么機(jī)器學(xué)習(xí)可以用來預(yù)測房價(jià)、識(shí)別新照片里的物體、判斷新的郵件是不是垃圾郵件等等，因?yàn)樗鼘W(xué)會(huì)了從已知推未知的能力。

在監(jiān)督學(xué)習(xí)中，根據(jù)我們要預(yù)測的“標(biāo)簽”類型不同，又可以分為兩大類任務(wù)：預(yù)測一個(gè)具體的數(shù)值（回歸）和預(yù)測一個(gè)類別（分類）。

在監(jiān)督學(xué)習(xí)的第2部分，我們將進(jìn)一步詳細(xì)講解這兩種主要的任務(wù)類型：分類 和 回歸。

希望通過這一篇，你對監(jiān)督學(xué)習(xí)的核心——“有標(biāo)簽數(shù)據(jù)”和“學(xué)習(xí)映射關(guān)系”有了清晰的認(rèn)識(shí)！

感謝閱讀！我們下篇見！