学习总结：机器学习（一）

有监督学习（Supervised Learning）
所谓有监督学习，是区别于无监督学习而言的。其过程如下：

给定一系列样本，样本是由一系列特征值和输出值组成。比如，某个地方的商品房，包括房子大小、房间数、距离市中心的距离等等特征值以及房价这个输出值。根据这些样本，找出特征值和输出值之间的规律，从而根据这些规律预测新的样本。“找规律”就是一个学习或训练的过程。有监督学习就是在学习的过程中，加入人工的干预；换一种说法，就是在训练的过程中，告诉机器，对每一个输入，输出应该是什么。训练完成后，我们得到了一种规律。根据这个规律，对于以后新来的样本，可以通过分析其特征值，预测其输出值。比如，我们通过训练或学习，知道了房子大小、房间数、距离市中心的距离等等特征与房价之间的关系，新来一套房子，我们就可以根据新房子的大小、房间数、距离市中心的距离等等特征，预测其价格。
对于有监督学习来说，最核心的思想是怎么找出其中“规律”的过程。
用数学的方法来描述：我们可以将样本的特征作为输入，经过其“规律”的变换，得到其输出。特征空间用X表示，输出空间用Y表示，而其"规律"则用h来表示，我们可以得到一个映射关系：
             
在此，我们得到了样本特征与输出的数学表达式，有监督学习的过程就是确定函数h的过程。至于怎样确定，在以后的学习中会有许许多多的方法。

然后，还有一些基本概念。用于训练的样本，组成的集合，我们称之为训练集（training set）。训练集中样本的特征组成的空间，我们称之为特征空间。如上所述的过程，可用下图一览概括：

对于上述例子中所述的房价问题，其预测为一系列连续的值，我们称这样的问题为回归问题。而如果输出只是若干个离散的值，我们就可以称之为分类问题。比如，某些应用中需要判断一幅图像中的人的性别，输出只有两个值，“男”或“女”，这就是一个典型的二分类问题。