什么是监督学习？

监督学习可以用于自动驾驶。

监督学习是从标记的训练数据来推断一个功能的机器学习任务。训练数据包括一套训练示例。在监督学习中，每个实例都是由一个输入对象（通常为矢量）和一个期望的输出值（也称为监督信号）组成。

监督学习算法是分析该训练数据，并产生一个推断的功能，其可以用于映射出新的实例。一个最佳的方案将允许该算法来正确地决定那些看不见的实例的类标签。这就要求学习算法是在一种“合理”的方式从一种从训练数据到看不见的情况下形成。

正如人们通过已知病例学习诊断技术那样，计算机要通过学习才能具有识别各种事物和现象的能力。用来进行学习的材料就是与被识别对象属于同类的有限数量样本。监督学习中在给予计算机学习样本的同时，还告诉计算各个样本所属的类别。

若所给的学习样本不带有类别信息,就是无监督学习。任何一种学习都有一定的目的,对于模式识别来说，就是要通过有限数量样本的学习，使分类器在对无限多个模式进行分类时所产生的错误概率最小。

其他监督学习算法

临近回归：前面介绍过最近临近回归，这也是一种非概率监督学习算法。K-最近邻回归是一种可以用于分类或回归的算法，K-最近邻算法就是从训练集中找到与测试输入的点最近的K个点，然后采用少数服从多数的思想，谁多就听谁的，或者求平均。

但是这在K取值不同的时候，得到的结果可能不同，因此K的选择是比较重要的。这个方法的特点是训练集可以趋近于无穷大，在比较好的情况下会收敛到贝叶斯错误率。这个方法需要训练集较大，训练集较少的情况下泛化程度不够好。

~

---

#谢券歪# 什么是无监督学习 -
(17353566200)： 首先看什么是学习(learning)?一个成语就可概括:举一反三.此处以高考为例,高考的题目在上考场前我们未必做过,但在高中三年我们做过很多很多题目,懂解题方法,因此考场上面对陌生问题也可以算出答案.机器学习的思路也类似:...

#谢券歪# 强化学习是什么 意思 -
(17353566200)： 强化学习(reinforcement learning),又称再励学习、评价学习,是一种重要的机器学习方法,在智能控制机器人及分析预测等领域有许多应用.但在传统的机器学习分类中没有提到过强化学习,而在连接主义学习中,把学习算法分为三种类型,即非监督学习(unsupervised learning)、监督学习(supervised leaning)和强化学习.

#谢券歪# 监督学习是怎么样的?
(17353566200)： 如果真正的功能是简单的,则一个“不灵活的”学习算法具有高偏压和低的方差将能够从一个小数据量的学习

#谢券歪# 什么是无监督学习 -
(17353566200)： 基本信息中文名称无监督学习外文名称unsupervised learning 用 途用于处理未被分类标记的样本集种 类两种目录1简介 2特性简介折叠编辑本段无监督学习(unsupervised learning):设计分类器时...

#谢券歪# 监督学习的坏处 -
(17353566200)： 会让对象产生压迫学习的感觉,当失去监督之后效果会很差,需要培养对自主学习的兴趣以及让对方明白学习对他的重要性

#谢券歪# 中学生监督学习和自主学习哪个更有益监督学习的好处?中学生监督学习
(17353566200)： 一、问题提出 当前中学数学课堂教学的一般模式是:在教师的引导下,对知识内容层... 提高教学质量的前提和中心必须是有效地改进学生的学.从而出现了自主学习. 自主...

#谢券歪# 我知道有监督学习,半监督学习,那么什么是弱监督学习? -
(17353566200)： 半监督应该是弱监督的一种吧.在少量标注样本的条件下进行学习.