做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 监督学习。

是什么

监督学习：让AI像学生一样，通过「带答案的习题集」学习总结出规律，然后根据规律应用到新的习题中。

监督学习，是机器学习中的一种方式，把已经分类的数据给到数据模型，让模型自己学习规律，然后对没有分类的数据进行分类。

怎么做

怎么让AI模型根据训练数据，总结规律呢？主要分为两个类型：

• 回归: 数值预测，数据是连续的、具体的
• 分类: 类别判断，数据是离散的

一张图理解两者的区别

回归

例子： 天气预测，连续数值（如温度）的预测。
预测目标​: 今天天气是多少度
​​常见算法​: 线性回归、决策树回归
提供训练数据：A(湿度)、B(风力)、C(海拔)、D(风向),Y(温度)
最终输出： Y = f(A,B,C,D) 公式 ，输入新的ABCD，的到最终天气温度

分类任务

例子： 动物分类， 离散类别数据（如：猫、狗）的预测。
预测目标​: 判断图片是猫还是狗
​​常见算法​: 逻辑回归、支持向量机
标签分值：眼睛(5)、鼻子(7)、耳朵(6)、嘴巴(7) = 猫， 眼睛(5)、鼻子(5)、耳朵(6)、嘴巴(7) = 狗
最终输出： 猫(20~40) ， 狗（42～60）输入图片的到最终分类

动手试试！

打开 [Google Teachable Machine]

1. 点击「图片项目」→ 创建「苹果」「橘子」分类
2. 用手机拍摄/上传20张样本
3. 点击「训练」→ 测试新图片识别效果！
   🔗 工具链接：https://teachablemachine.withgoogle.com/

冷知识

ImageNet数据集包含1400万张带标签图片，AI学习它相当于人类不眠不休看16年照片！

参考资料

• 一文学会监督学习 – Supervised learning

赏

谢谢你请我吃糖果

支付宝

微信