监督学习(Supervised learning)

标签：learn   利用   cat   The   居住   目标   输出变量   算法   技术   

定义符号

m:训练样本的数目

n：特征的数量

x‘s：输入变/特征值

y‘s：输出变量/目标变量

(x,y)：训练样本 ->(x⁽ⁱ⁾,y⁽ⁱ⁾):训练集，第i个训练样本，i=1,2..,m

监督学习

定义：(口头表达，非正式)我们给学习算法一个数据集，这个数据集由“正确答案”组成，它的目标是给定某个训练集，需要学习某个函数h:X->Y(x到Y的映射)， 使得h(x)就是一个“好”的预测器，能够给出相应的输出值y。函数h称为hypothesis。

解释：首先通过训练集来学习出一个算法得到一个假设函数h，然后利用假设函数来完成x到y的最好映射。

监督学习的例子

假定我们有一个数据集，它给出了居住地和房子价格的关系，如下表格所示：

假设上面的数据有47组，图像如下图所示：

这样根据我们上面给出的训练集我们要经过一个学习算法，得到一个假设函数，使得这个假设函数能更好的拟合我们给出的数据，从而在以后当我们给出房屋的大小时能更好的预测房屋的价格。

如上图所示，假设我们得出的假设函数是一个线性的，这样上面的函数明显比下面相对于我们给出的样本能够更好的拟合。这就是一个监督问题。

监督学习的分类

当我们想要预测的输出值为连续的，例如上例中我们的输出值是价格，那么该学习问题为一个回归（Regression）问题。当输出值y仅能在一个有限的离散值集合中取值，我们称之为分类（Classification）问题。 

监督学习(Supervised learning)

标签：learn   利用   cat   The   居住   目标   输出变量   算法   技术   

原文地址：https://www.cnblogs.com/lsgsanxiao/p/10108924.html