机器学习的分类（监督学习、非监督学习、半监督学习）

机器学习大致可分为三类：监督学习、非监督学习、半监督学习，下面我们就来分别介绍。

监督学习

用数据挖掘领域著名学者韩家炜教授的话来说，所有的监督学习（Supervised Learning），基本上都是分类（Classification）的代名词。它从有标签的训练数据中学习模型，然后对某个给定的新数据利用模型预测它的标签。

这里的标签其实就是某个事物的分类。在某种程度上，你可以把它理解为作业的“标准答案”，而对于每次监督学习的输出，可理解为自己作答的答案。如果我们给出的答案和标准答案不一致，老师或家长就会监督我们来纠错，这样一来二去，我们对题目的理解就会更加深刻，在做新题时，正确率也会越来越高。

比如，小时候父母告诉我们某个动物是猫、狗或猪，然后在我们的大脑里就会形成或猫或狗或猪的印象（相当于模型构建），当面前来了一只“新”小狗时，如果你能叫出“这是一只小狗”，那么恭喜你，标签分类成功！

但如果你回答说“这是一头小猪”，这时你的父母就会纠正你的偏差：“乖，不对，这是一只小狗。”这样一来二去地进行训练，不断更新你大脑的认知体系，当下次再遇到这类新的猫、狗、猪时，你就会在很大概率上做出正确的“预测”分类。

监督学习的示意图如图 1 所示。

监督学习的示意图

图 1：监督学习的示意图

事实上&