帖子

[经验分享] AI 搬运工 | 谈及监督学习时,我们在谈什么?

[复制链接]

该用户从未签到

5260  楼主| 苏沐歌儿 发表于 2018-12-3 09:12:10 1#
本帖最后由 苏沐歌儿 于 2018-12-4 14:01 编辑


前些天看了一本名为Machine Learning for Humans的书,看到了一些关于监督学习的东西特分享过来~

好了,以下是正文……
纯属自己编译,如有不对的,还请各位大佬们指正~



监督学习,英文名称为Supervised Learning,是机器学习(Machine Learning)中的一部分,与之对应的有非监督学习,英文为Non-supervised Learning

谈及监督学习时,我们通常都在谈什么呢?

首先,我们谈到的通常是包含有标签样本(training examples)的数据集(data set   

举个例子,监督学习算法在对手写数字进行识别时,会先收集大量已被打上标签的手写数字图片。这些标签是干嘛用的呢?是用来表明每个图片代表的正确数字的。然后,监督学习算法会学习这些图片和他们关联的数字之间的关系,并利用所习得的这种关系将之前未收集到的新图片(没有标签)进行分类。

为了让大家更清楚明了监督学习的工作原理,我们来做个小实验,根据一个人所受教育的年限来预测他的年收入。为了表达得更正式一点,我们暂且建立这样一个模型:X代表一个人所受教育的年限,用Y来代表他的收入,用f代表他们之间的函数关系

11.jpg

X(输入值)=所受教育年限
Y(输出值)=年收入
f=XY之间的函数关系
ε=随机误差项(正或负),平均为零

当然,你也可以提出一个更复杂的模型,比如说这些模型里包含了以下因素:学位类型、工作年限、学校层级等等。

举个例子——如果他们拥有学士学位或者更高的学位,他们的年收入可能是现在的1.5倍。”

但这种明确的规则程序并不适用于复杂的数据。例如通过此类方法来识别一张图片上的图案是不是猫,就不行了。

而监督机器学习呢,就是通过让计算机自己发现规则来解决这类问题。机器学习与人类学习的主要区别在于:机器学习是在计算机硬件上运行的,而且,通过计算机科学与统计学,机器学习最容易理解。而人类模式匹配是在生物大脑中发生的。

在监督学习中,机器试图通过学习算法,运行已标记的训练数据,来习得收入与所受教育的年限之间的关系。

在监督学习中,机器试图通过学习算法,从而学习到在带标签的训练集中,收入与所受教育年限之间的关系。通过这种方法习得函数关系后,只要我们知道一个人所受的教育年限X,就可以计算出他的收入Y。换句话说,我们可以将这个模型运用于未标记的测试数据,以此来估算Y的值。

监督学习的目标是:在给出X,未给出Y的情况下,尽可能精确预测到Y

监督学习的两个主要任务分别为回归和分类。回归意指预测连续数值,比如说,这个房子会卖多少钱?;分类意指标记,比如说这个图是猫还是狗?

那么回归和分类具体到底是怎么回事儿呢?

我周三再过来更新~~

emmm,也就是后天啦~~~