有人能给出监督学习和非监督学习的真实例子吗？

Question

最近我研究了监督学习和非监督学习。从理论上讲，我知道监督意味着从标记数据集中获取信息，而非监督意味着在没有任何标签的情况下对数据进行聚类。

但是，问题是，在我的学习过程中，我总是搞不清给出的例子是监督学习还是非监督学习。

谁能举个真实的例子吗？

Answer 1

监督学习：

• 你会得到一堆照片，上有关于它们的信息，，然后你训练一个模型来识别新的照片。
• 你有很多关于药物的分子和信息，，你训练一个模型来回答一个新分子是否也是一种药物。

无监督学习：

• 您有一堆6个人的照片，但是没有关于谁在哪一个上的信息，并且您想要将这个数据集分成6堆，每一堆都有一个人的照片。
• 你有分子，其中一部分是药物，一部分不是，但你不知道哪一个是，你想要算法来发现药物。

Answer 2

监督学习：

• 就像和老师一起学习
• 培训数据集就像一名教师
• 训练数据集用于训练机器。

示例： Classification:机器被训练成将某物分类为某一类。

• 对病人是否有疾病进行分类
• 对电子邮件是否为垃圾邮件进行分类

回归：机器被训练用来预测价格、重量或高度等价值。

• 预测房屋/房地产价格
• 预测股票市场价格

无监督学习：

• 就像没有老师的学习
• 机器通过观察学习，在数据中找到结构。

示例： 集群：集群问题是您想要发现数据中固有分组的地方

• 例如按购买行为对客户进行分组

Association: --关联规则学习问题是您希望发现描述大量数据的规则的地方。

• 比如买X的人也倾向于买Y

阅读更多：https://machinelearningmastery.com/supervised-and-unsupervised-machine-learning-algorithms/

Answer 3

监督学习

这很简单，您可以多次这样做，例如：

1. Cortana或手机中的任何语音自动系统都会对您的语音进行培训，然后在此培训的基础上开始工作。
2. 根据不同的特点(过去记录的头对头，投球，掷球，球员对球员)，黄蜂预测两支球队的胜率。
3. 训练您的笔迹到OCR系统，一旦训练，它将能够将您的手写图像转换为文本(直到一些明确的准确性)。
4. 根据一些先验知识(晴天时，温度较高；多云时，湿度较高等)气象应用程序可以预测给定时间的参数。
5. 根据过去有关垃圾邮件的信息，将新收到的电子邮件过滤到收件箱(普通邮件)或垃圾文件夹(垃圾邮件)中。
6. 生物识别考勤或自动取款机等系统，在经过几个输入(你的生物识别特征--无论是拇指、虹膜或耳垂等)后，机器可以验证你未来的输入并识别你。

无监督学习

1. 一位朋友邀请你参加他的聚会，在那里你会遇到完全陌生的人。现在，您将使用无监督学习(没有先验知识)对其进行分类，这种分类可以根据性别、年龄组、着装、学历或任何您想要的方式进行。为什么这种学习不同于监督学习？因为你没有使用任何关于人的过去/事先的知识，并将他们归类为“在途”。。
2. 美国宇航局发现新的天体，并发现它们不同于以前已知的天体--恒星、行星、小行星、黑洞等(也就是说，它对这些新天体一无所知)，并将它们分类(距离银河系的距离、强度、引力、红蓝移等等)。
3. 假设你以前从未看过板球比赛，偶然在互联网上看过视频，现在你可以根据不同的标准对玩家进行分类:使用相同类型的工具的玩家属于一个级别，一个类型的球员属于一个级别(击球员、保龄球手、外野手)，或者是基于玩手(RH vs LH)或者你观察和分类的任何方式。
4. 我们正在进行一项关于预测大学学生智商水平的500个问题的调查。由于这份问卷太大，所以在100名学生之后，管理部门决定将问卷缩减为较少的问题，因此我们使用一些统计程序，如PCA，将其缩减。

我希望这几个例子能详细解释不同之处。