监督学习
这一节我们主要学习
- 监督学习
- 回归问题
- 分类问题
最典型的区别
监督学习（Supervised Learning)
根据训练数据是否拥有标记信息，学习任务可大致被分为两类：监督学习（Supervised Learning）和无监督学习（Unsupervised Learning）
监督学习的代表是回归和分类。
无监督学习的代表是聚类。
回归（Regression）
波士顿房价案例
回归问题：预测连续值的模型。
下面是一个回归问题的最简单例子，房价的推断：
这是一些房价数据，横轴表示房子的面积，单位是平方英尺，纵轴表示房价，单位是千美元。问题是基于这组数据，假如你有一个朋友，他有一套 750 平方英尺房子，现在他希望把房子卖掉，他想知道这房子能卖多少钱？
将数据可视化表现出来，既是图中的“红叉”。
应用学习算法，可以在这组数据中拟合一条直线（紫红色线），根据这条线可以推测出，这套房子可能卖150,000美元。
当然这不是唯一的算法。可能还有更好的，比如不用直线拟合这些数据，用二次方程去拟合可能效果会更好。根据二次方程的蓝色曲线，可以从这个点推测出，这套房子能卖接近200,000美元。
稍后我们将讨论如何选择学习算法，如何决定用直线还是二次方程来拟合，来使得预测合理。
分类（Classification）
乳腺癌案例
分类问题：预测离散值的模型。
下面是一个分类问题的简单例子，通过查看病历来推测乳腺癌良性与否：
数据集如下：横轴表示肿瘤的大小，纵轴上， 1 和 0 分别表示是或者不是恶性肿瘤。如果是恶性则记为1，不是恶性（良性）记为 0。
问题是有一个朋友很不幸检查出乳腺肿瘤。假设说她的肿瘤大概这么大，那么能否估算出肿瘤是恶性的或是良性的概率？
分类指的是，我们试着推测出离散的输出值：0（良性）或 1（恶性）。
而事实上在分类问题中，输出可能不止两个值。只有两个输出的被称为二分类问题（binary classification），多个输出被成为多分类（multi-class classification）
当需要处理的特征更多时，可以采用支持向量机等算法进行处理。
练习
现在来个小测验：假设你经营着一家公司，你想开发学习算法来处理这两个问题：
- 你有一大批同样的货物，想象一下，你有上千件货物等待出售，这时你想预测接下来的三个月能有多少营业额？
- 你有许多客户，这时你想写一个软件来检验每一个用户的账户。对于每一个账户，你要判断它们是否曾经被盗过？
那这两个问题，它们属于分类问题、还是回归问题?