监督学习和非监督学习的区别和含义.docx

监督学习：简单来说就是给定一定的训练样本（这里一定要注意，这 个样本是既有数据，也有数据相对应的结果），利用这个样本进行训 练得到一个模型（可以说就是一个函数），然后利用这个模型，将所 有的输入映射为相应的输出，之后对输出进行简单的判断从而达到了 分类（或者说回归）的问题。简单做一个区分，分类就是离散的数据， 回归就是连续的数据。 非监督学习：同样，给了样本，但是这个样本是只有数据，但是没有 其对应的结果，要求直接对数据进行分析建模。比如我们去参观一个 画展，我们完全对艺术一无所知，但是欣赏完多幅作品之后，我们也 能把它们分成不同的派别（比如哪些更朦胧一点，哪些更写实一些， 即使我们不知道什么叫做朦胧派，什么叫做写实派，但是至少我们能 把他们分为两个类）。无监督学习里典型的例子就是聚类了。 聚类的 目的在于把相似的东西聚在一起， 而我们并不关心这一类是什么。因 此，一个聚类算法通常只需要知道如何计算相似度就可以开始工作了。 对于问题，我可以这样跟大家说。买房的时候，给了房屋面积以及其 对应的价格，进行分析，这个就叫做监督学习；但是给了面积，没有 给价格，就叫做非监督学习。 监督，意味着给了一个标准作为“监督”（或者理解为限制）。就是 说建模之后是有一个标准用来衡量你的对与错； 非监督就是没有这个 标准，对数据进行聚类之后，并没有一个标准进行对其的衡量。 精品文档