---

前言

最近学习了ng教授的机器学习课程，在这里进行一个回顾与总结，也希望我的文章可帮到一些正在学习机器学习的小伙伴。

---

在这里，主要理解一下监督学习和无监督学习。

一、监督学习

监督学习就是一种统计方法，是在有标签的数据里发现潜在的规律的一种训练方式。

定义

监督学习就是一种统计方法，是在有标签的数据里发现潜在的规律的一种训练方式。

举个例子：

假如我们知道了浙江省一些是否结婚的数据。把这些数据用坐标轴画下来，横轴表示年龄，纵轴表示是否结婚，结婚了表示1，单身表示0，这时你有一个朋友19岁，你想通过这些数据算出一个方程来估计你这位朋友是否结婚。这就是一个最简单的监督学习的算法。

当然在实际应用中我们不可能只有年龄这一个特征值，我们可能会有成百上千个特征值，这是就需要我们的进一步学习机器学习才能解决

二、无监督学习

理解了 监督学习，我们再学习无监督学习就简单了。

上个目录中，已经介绍了监督学习。回想当时的数据集，数据集中每条数据都已经标明是已婚还是未婚。所以，对于监督学习里的每条数据，我们已经清楚地知道，训练集对应的正确答案，是已婚还是未婚了。在无监督学习中，我们已知的数据。看上去有点不一样，不同于监督学习的数据的样子，即无监督学习中没有任何的标签。

同样的，我还是举一个例子来帮助大家理解：同样的一组数据，但是不告诉你婚姻情况，而是让计算机根据两组数据的特征自己进行判断，这时我们通过计算机将数据分成两类，就是已婚或未婚（但你自己并不知道），这时你的朋友再来，计算机就可以判断出他的婚恋情况。

这个例子就是非监督学习的过程，也就是说，在学习的过程中，只提供事物的具体特征（年龄），但不提供事物的标签(已婚或未婚)，让计算机自己总结归纳。