前言

本文章是撥珠自己的學習筆記，自用為主，學習請移步專門教程，若有錯誤請大佬輕噴，也歡迎同好交流學習。

本文將闡述三個問題。

1. 什么是機器學習？

2. 監督學習、無監督學習到底在干什么？

3. 分類、回歸、聚類又是怎么回事？

---

一、一句話說清：機器學習是干什么的？

想像你養了一只小狗。

• 第一次，你把飛盤扔出去，小狗不知道要去撿。

• 你反復示范、獎勵，它慢慢學會“看到飛盤→跑過去→叼回來”。
  機器學習就是讓電腦像小狗一樣，通過“大量練習（數據）”自己學會一套規則，以后遇到新問題也能做出正確反應。

---

二、三個關鍵詞：人工智能、機器學習、深度學習

用“套娃”來理解：

• 人工智能（AI）：最大的套娃，目標讓機器像人一樣聰明。

• 機器學習（ML）：實現AI的一種方法——讓機器自己從數據里“練級”變強。

• 深度學習（DL）：機器學習里的一個“大招”，用很深的神經網絡處理圖像、語音等復雜任務。

---

三、機器學習的四大門派

門派	通俗解釋	舉個栗子
監督學習	老師帶著練：題目+標準答案一起給	給1000張“貓/狗”照片并告訴你每張是貓還是狗，讓電腦學會辨認新照片
無監督學習	自學：只給題目，不給答案	給你一堆用戶購物記錄，讓電腦自己把“相似購物習慣”的人分成幾組
半監督學習	少數老師+多數自學	100張帶標簽的貓狗照 + 9000張沒標簽的照，一起學
強化學習	試錯升級：做對獎勵，做錯懲罰	AlphaGo跟自己下圍棋，贏了加分、輸了扣分，越下越厲害

---

四、監督學習：有標準答案的練習冊

1. 分類問題（答案是一個類別）

   • 例：郵箱收到新郵件，系統判斷是“垃圾郵件”還是“正常郵件”。

   • 再例：花瓣長5cm→大概率是“B品種花”。

2. 回歸問題（答案是一個數值）

   • 例：根據房子面積、地段來預測“房價是多少萬元”。

   • 再例：根據往年降雨量預測“明天河流水位會漲到多少米”。

---

五、無監督學習：沒有答案，自己找規律

最常見的是聚類（把相似的東西放一堆）。

• 例：
  把一堆花瓣按“長度+寬度”畫在坐標紙上，人眼都能看出兩團點，電腦也能自動分成“很可能是兩種花”。

• 好處：
  給數據打好“疑似標簽”后，人類再去確認，比人工一張張標省事多了。

---

六、一張圖秒懂整體流程

原始數據 → 無監督學習先分堆（節省人工標注） → 得到帶標簽數據 → 交給監督學習模型訓練 → 模型上線做預測

---

七、小結

• 機器學習 = 讓電腦用“數據練習”變聰明。

• 監督學習：有答案，學“做題套路”。

  • 分類：答案是一類。

  • 回歸：答案是一個數。

• 無監督學習：沒答案，自己找“誰和誰像”。

• 深度學習：機器學習里用“多層神經網絡”的大招。