← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9822.c · 生成模型:DeepSeek-V4.1-Flash

有监督学习:从答案学映射

理解等级:初级

按学习方式划分,机器学习分为有监督、无监督与强化学习,分界的判据是学习信号从哪来:样本带不带标签、结果由谁告诉模型。有监督学习是其中最常见的一类。

它的定义是:用一组带结果标注的样本训练模型,再用模型对未知结果的新样本做预测。换个说法,就是利用训练数据学出一个从输入到输出的映射函数 f,再把 f 用在新实例上。例如用商品的历史销售数据训练销量模型,再用它预测未来走势。

按输出类型,监督任务分成两类:

  • 分类:预测样本所属的类别,输出是离散的,如判断图片里是猫还是狗。
  • 回归:预测的样本结果是连续数值,如预测某股票未来一周的价格。

两者的技术差别不只是离散与连续:分类关心”判对的比例”,通常配 0-1 损失或对数损失;回归关心”偏离多远”,通常配平方损失(见 [[六种损失函数各自服务谁]])。这也是为什么同一个模型换个输出假设就能做另一类任务。

代价也很清楚:必须先有标注,标注既是成本也决定了上限——模型只能学到训练分布内的规律,遇到分布外的新样本没有保证。当拿不到标签时,就要转向 [[聚类:无标签下划簇]] 这类无监督方法。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《机器学习基础:从入门到求职》第1章《第1章 机器学习概述》(源文件:extracted/机器学习基础:从入门到求职/_epub-src/OEBPS/text00004.html) - 结论依据:原文给出监督学习的定义,并把分类与回归作为其两类常见任务,分别用图片识别与股价预测举例。 - 原始内容:有监督学习(Suprevised Learning),简称监督学习,是指基于一组带有结果标注的样本训练模型,然后用该模型对新的未知结果的样本做出预测。