1.11. 机器学习分类

机器学习 (Machine Learning) 主要分为 监督学习 (Supervised Learning) 和 无监督学习 (Unsupervised Learning)。

什么是监督学习？

监督学习 就像 有老师指导的学习方法，你可以把它想象成学生做练习题：

• 每道题（输入数据）都有一个 正确答案（标签）

• 通过不断练习，学生（模型）学会如何解题

• 在遇到新题目时，能够 给出合理的答案

---

监督学习主要分为两种类型

1. 回归 (Regression) —— 预测数值

目标：预测一个连续的 数值，例如：

• 预测某天能卖出多少支冰淇淋（根据温度、降雨量、风速）。

• 预测一套房子的售价（根据面积、卧室数量、地段）。

• 预测汽车的油耗（根据发动机大小、车身重量等）。

简单理解：预测一个具体的数字（如 明天的温度是多少？房价是多少？）

---

2. 分类 (Classification) —— 预测类别

目标：预测一个 东西属于哪一类，例如：

• 预测一个人是否会得糖尿病（ 是 / 否）。

• 预测银行客户是否会违约贷款（是 / 否）。

• 预测某封邮件的客户是否会购买产品（是 / 否）。

分类任务的不同类型：

• 二元分类 (Binary Classification)：只有 两种可能结果（如 是 / 否）。

• 多类别分类 (Multiclass Classification)：多个分类结果，例如：

  • 企鹅的种类（阿德利企鹅 / 巴布亚企鹅 / 帽带企鹅）。

  • 电影的类型（喜剧 / 恐怖片 / 科幻片）。

• 多标签分类 (Multi-label Classification)：一个数据点 可能属于多个类别，如：

  • 一部电影 既是科幻片，也是喜剧片。

简单理解：预测一个类别，而不是数值（如 这个动物是猫还是狗？用户是否会购买商品？）

---

什么是无监督学习？

无监督学习 就像 自己摸索规律，没有正确答案，AI 需要 自主发现数据中的模式和结构。

---

** 无监督学习主要类型**

1. 聚类 (Clustering) —— 把相似的东西归类

目标：找出数据中的模式 & 进行分类，例如：

• 根据 身高、体重 等数据，把人群分成不同类型（如 儿童 / 成年人 / 老人）。

• 根据 购物习惯，把客户分成不同类型（如 高消费客户 / 日用品客户 / 电子产品客户）。

简单理解：自己找规律，把相似的东西放在一组。

---

监督学习 vs. 无监督学习

类型	特点	应用场景
监督学习	有正确答案，模型从标注数据中学习	贷款审批、图像分类、语音识别
回归	预测一个数值	房价预测、销量预测、温度预测
分类	预测一个类别	是否患病、邮件分类、客户行为预测
无监督学习	没有正确答案，AI 自己发现数据规律	推荐系统、客户分群
聚类	把相似的数据归类	用户分群、市场营销分析

---

总结

监督学习 = 老师教你怎么做（数据里有 正确答案） 回归 = 预测 一个数值（如 房价、销量） 分类 = 预测 一个类别（如 是否会买东西，是什么动物）

无监督学习 = 自己摸索规律（数据里 没有正确答案） 聚类 = 把相似的东西归类（如 客户分群，市场分析）

进一步学习机器学习：

• Microsoft 机器学习基础

• Scikit-learn 机器学习库

• TensorFlow 官方教程

📢 欢迎 Star ⭐ 本仓库，获取更多 AI 资源！