ML之SL：監(jiān)督學(xué)習(xí)(Supervised Learning)的簡(jiǎn)介、應(yīng)用、經(jīng)典案例之詳細(xì)攻略

?

?

目錄

監(jiān)督學(xué)習(xí)(Supervised Learning)的簡(jiǎn)介

1、監(jiān)督學(xué)習(xí)問(wèn)題的兩大類(lèi)—分類(lèi)問(wèn)題和回歸問(wèn)題

2、監(jiān)督學(xué)習(xí)常見(jiàn)的算法

3、監(jiān)督學(xué)習(xí)過(guò)程

1、Model selection during prototyping phase

監(jiān)督學(xué)習(xí)(Supervised Learning)的應(yīng)用

1、監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)之間的區(qū)別

監(jiān)督學(xué)習(xí)(Supervised Learning)的經(jīng)典案例

---

?

?

參考文章：《2019中國(guó)人工智能發(fā)展報(bào)告》—清華大學(xué)中國(guó)工程院知識(shí)智能中心—201912

相關(guān)文章
ML之SL：監(jiān)督學(xué)習(xí)(Supervised Learning)的簡(jiǎn)介、應(yīng)用、經(jīng)典案例之詳細(xì)攻略
ML之UL：無(wú)監(jiān)督學(xué)習(xí)Unsupervised Learning的概念、應(yīng)用、經(jīng)典案例之詳細(xì)攻略
ML之SSL：Semi-Supervised Learning半監(jiān)督學(xué)習(xí)的簡(jiǎn)介、應(yīng)用、經(jīng)典案例之詳細(xì)攻略

監(jiān)督學(xué)習(xí)(Supervised Learning)的簡(jiǎn)介

? ? ? ?監(jiān)督學(xué)習(xí)，是指利用一組已知類(lèi)別的樣本調(diào)整分類(lèi)器的參數(shù)，使其達(dá)到所要求性能的過(guò)程，也稱(chēng)為監(jiān)督訓(xùn)練或有教師學(xué)習(xí)。
?? ? ??監(jiān)督學(xué)習(xí)是從標(biāo)記的訓(xùn)練數(shù)據(jù)來(lái)推斷一個(gè)功能的機(jī)器學(xué)習(xí)任務(wù)。訓(xùn)練數(shù)據(jù)包括一套訓(xùn)練示例。在監(jiān)督學(xué)習(xí)中，每個(gè)實(shí)例都是由一個(gè)輸入對(duì)象（通常為矢量）和一個(gè)期望的輸出值（也稱(chēng)為監(jiān)督信號(hào)）組成。監(jiān)督學(xué)習(xí)算法是分析該訓(xùn)練數(shù)據(jù)，并產(chǎn)生一個(gè)推斷的功能，其可以用于映射出新的實(shí)例。一個(gè)最佳的方案將允許該算法來(lái)正確地決定那些看不見(jiàn)的實(shí)例的類(lèi)標(biāo)簽。這就要求學(xué)習(xí)算法是在一種“合理”的方式從一種從訓(xùn)練數(shù)據(jù)到看不見(jiàn)的情況下形成。

? ? ? ?監(jiān)督學(xué)習(xí)中的數(shù)據(jù)集是有標(biāo)簽的，就是說(shuō)對(duì)于給出的樣本我們是知道答案的。如果機(jī)器學(xué)習(xí)的目標(biāo)是通過(guò)建模樣本的特征x和標(biāo)簽y之間的關(guān)系：f (x，θ)或p(y|x, θ)，并且訓(xùn)練集中每個(gè)樣本都有標(biāo)簽，那么這類(lèi)機(jī)器學(xué)習(xí)稱(chēng)為監(jiān)督學(xué)習(xí)。

?

1、監(jiān)督學(xué)習(xí)問(wèn)題的兩大類(lèi)—分類(lèi)問(wèn)題和回歸問(wèn)題

? ? ? ?根據(jù)標(biāo)簽類(lèi)型的不同，又可以將其分為分類(lèi)問(wèn)題和回歸問(wèn)題兩類(lèi)。前者是預(yù)測(cè)某一樣?xùn)|西所屬的類(lèi)別（離散的），比如給定一個(gè)人的身高、年齡、體重等信息，然后判斷性別、是否健康等；后者則是預(yù)測(cè)某一樣本所對(duì)應(yīng)的實(shí)數(shù)輸出（連續(xù)的），比如預(yù)測(cè)某一地區(qū)人的平均身高。我們大部分學(xué)到的模型都是屬于監(jiān)督學(xué)習(xí)，包括線(xiàn)性分類(lèi)器、支持向量機(jī)等。

?

2、監(jiān)督學(xué)習(xí)常見(jiàn)的算法

? ? ? ?常見(jiàn)的監(jiān)督學(xué)習(xí)算法有：k-近鄰算法（k-Nearest Neighbors，kNN）、決策樹(shù)（Decision Trees）、樸素貝葉斯（Naive Bayesian）等。

?

3、監(jiān)督學(xué)習(xí)過(guò)程

?

1、Model selection during prototyping phase

?

?

監(jiān)督學(xué)習(xí)(Supervised Learning)的應(yīng)用

1、監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)之間的區(qū)別

? ? ? ? 可以看到，圖2-7（a）中，紅色三角形數(shù)據(jù)和藍(lán)色圓點(diǎn)數(shù)據(jù)為標(biāo)注數(shù)據(jù)；圖2-7（b）中，綠色的小圓點(diǎn)為非標(biāo)注數(shù)據(jù)。圖2-7（c）顯示監(jiān)督學(xué)習(xí)將有標(biāo)簽的數(shù)據(jù)進(jìn)行分類(lèi)；而半監(jiān)督學(xué)習(xí)如圖2-7（d）中部分是有標(biāo)簽的，部分是沒(méi)有標(biāo)簽的，一般而言，半監(jiān)督學(xué)習(xí)側(cè)重于在有監(jiān)督的分類(lèi)算法中加入無(wú)標(biāo)記樣本來(lái)實(shí)現(xiàn)半監(jiān)督分類(lèi)。

?

?

?

?

?

監(jiān)督學(xué)習(xí)(Supervised Learning)的經(jīng)典案例

本博客中，監(jiān)督學(xué)習(xí)案例較多，自行查看即可。

?

?

?

?

?

?

?

?

?

《新程序員》：云原生和全面數(shù)字化實(shí)踐50位技術(shù)專(zhuān)家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

以上是生活随笔為你收集整理的ML之SL：监督学习(Supervised Learning)的简介、应用、经典案例之详细攻略的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。