监督学习(supervised learning):从给定的训练数据 集中学习出一个函数（模型参 聚类和分类的区别 数)，当新的数据到来时，可 以根据这个函数预测结果。监 督学习的训练集要求包括输入 输出，也可以说是特征和目标 训练集中的目标是由人标注的。 监督学习就是最常见的分类 Classification(分类)，对于一个classifier,通常需要你告 (注意和聚类区分)问题，通 诉它“这个东西被分为某某类”这样一些例子，理想情况 过已有的训练样本（即已知数 下，一个classifier会从它得到的训练集中进行“学习”， 据及其对应的输出)去训练得 从而具备对未知数据进行分类的能力，这种提供训练数 到一个最优模型，再利用这个 据的过程通常叫做监督学习。 模型将所有的输入映射为相应 的输出，对输出进行简单的判 需要训练，有标签 断从而实现分类的目的。也就 具有了对未知数据分类的能力。 监督学习的目标往往是让计算 机去学习我们已经创建好的分 类系统（模型）。聚类和分类的区别 Classification (分类)，对于一个classifier，通常需要你告 诉它“这个东西被分为某某类”这样一些例子，理想情况 下，一个 classifier 会从它得到的训练集中进行“学习” ， 从而具备对未知数据进行分类的能力，这种提供训练数 据的过程通常叫做监督学习。 需要训练，有标签 监督学习 （ supervised learning）：从给定的训练数据 集中学习出一个函数（模型参 数），当新的数据到来时，可 以根据这个函数预测结果。监 督学习的训练集要求包括输入 输出，也可以说是特征和目标。 训练集中的目标是由人标注的。 监督学习就是最常见的分类 （注意和聚类区分）问题，通 过已有的训练样本（即已知数 据及其对应的输出）去训练得 到一个最优模型，再利用这个 模型将所有的输入映射为相应 的输出，对输出进行简单的判 断从而实现分类的目的。也就 具有了对未知数据分类的能力。 监督学习的目标往往是让计算 机去学习我们已经创建好的分 类系统（模型）