Coursera Machine Learning 学习笔记（二）

- Supervised Learning

       对于监督学习我们先看一个例子，下图中表示的是一个房价预测的例子。图中横坐标表示房屋占地面积，纵坐标表示房屋交易价格。图中的每个叉则表示一个房屋实例。

      


       现在，我们希望能够预测一个房屋占地面积为750平方英尺的房屋的交易价格是多少。简单的方法是根据这些数据点的分布，画出一条合适的直线，然后根据这条直线来预测。当然，在此房价预测例子中，一个二次函数更加适合已有数据的分布。因此，我们可能会更加希望使用这个二次函数的曲线来进行房价预测。

      


       因此，我们称上述这样的学习叫做监督学习，因为我们预先给了算法正确的结果，即所有我们所观察到的变量。

       上述的问题又称为回归问题，我们所预测的值为连续值。

       下面，我们再看一个监督学习的例子：

       假设我们想要根据病人肿瘤的尺寸来预测病人的肿瘤是否为恶性：

      


       当然，有时候我们所用到的变量不止一个，如病人的年龄、肿瘤的大小以及形状等等。

      


       图中，圆圈代表良性而叉代表恶性，我们要学习的问题就变成了划分良性肿瘤和恶性肿瘤。

       这样的问题又叫做分类问题，所分类用到的是离散值。我们希望通过这样的算法来将数据分类到不同的种类。