监督学习是一种类型的机器学习使用已知数据集算法(称为训练数据集)进行预测。训练数据集包括输入数据和响应值。从中,监督学习算法旨在建立一个模型,可以使响应值的预测为新的数据集。使用更大的训练数据和优化模型hyperparamamters往往能增加模型的预测能力,并确保它可以为新的数据集概括好。测试数据集通常被用来验证模型。
监督学习包括以下两类算法:
- 分类:对于分类响应值,其中数据可以被分解为特定的“类”
- 回归:用于连续响应值
试驾的分类学习应用或了解更多应用服务分类与回归。
常见的分类算法包括:
- 万博1manbetx支持向量机(SVM)
- 神经网络
- 朴素贝叶斯分类器
- 决策树
- 判别分析
- 最近的邻居(ķNN)
一般回归算法包括:
有关监督学习算法的详细信息,请参阅统计和机器学习工具箱™和深度学习工具箱™。
监督学习在金融应用中使用信用评分,算法交易,和键分类;在肿瘤检测和药物发现生物学应用;在价格和负荷预测能源的应用;在模式识别应用程序的语音和图像。