✨机器学习笔记（一）—— 监督学习和无监督学习
1️⃣ 监督学习（supervised learning）
✨ 两种主要类型的监督学习问题：
回归（regression）：predict a number in infinitely many possible outputs.
分类（classification）：predict categories in small number of possible outputs.
通过学习已经标记好的 (input, output) 正确对，让机器学会一个从输入到输出的映射关系，最终让机器利用映射关系（x to y mappings）只接受输入 x 而无需输出标签 y，给出输出的合理预测 y ^ \hat{y} y^。
🎈Regression：Housing price prediction
可以让通过机器通过不同的拟合函数来根据 House size 来预测 Price。
🎈Classification：Breast cancer detection
根据 Tumor size 和 Age 的数据组，机器需要学习必须决定如何将边界线拟合到数据上的算法，来帮助判断肿瘤是恶性还是良性。
2️⃣ 无监督学习（unsupervised learning）
聚类（clustering）：it places the unlabeled data into different clusters.
监督学习是机器通过已经标记好的正确答案来学习进行预测，而无监督学习则是机器学习未标记的数据来自己发现其中的数据（比如聚类）。
机器通过学习未标记的样本数据来处理问题，称之为无监督学习，“监督”的意思可以直观理解为“是否有标注的数据”。
🎈Clustering：Grouping customer
机器通过无监督学习可以对客户的行为进行分组，针对性的提供服务。