60 lines
1.7 KiB
Markdown
Executable File
60 lines
1.7 KiB
Markdown
Executable File
---
|
||
created: 2026-04-28
|
||
type: concept
|
||
tags: [监督学习，机器学习，AI]
|
||
---
|
||
|
||
# 监督学习（Supervised Learning）
|
||
|
||
> 从标注数据中学习输入到输出的映射关系
|
||
|
||
## 定义
|
||
|
||
监督学习是机器学习的一种范式，模型从**已标注的训练数据**（输入-输出对）中学习一个函数，使其能够对新的输入做出准确预测。
|
||
|
||
## 核心思想
|
||
|
||
```
|
||
训练数据：{(x₁,y₁), (x₂,y₂), ..., (xₙ,yₙ)}
|
||
目标：学习 f(x) ≈ y，使在新数据上误差最小
|
||
```
|
||
|
||
## 两大任务
|
||
|
||
| 任务 | 输出类型 | 示例 |
|
||
|------|---------|------|
|
||
| **分类（Classification）** | 离散类别 | 垃圾邮件检测、图像分类 |
|
||
| **回归（Regression）** | 连续数值 | 房价预测、销量预测 |
|
||
|
||
## 常见算法
|
||
|
||
| 算法 | 说明 |
|
||
|------|------|
|
||
| 线性回归 / 逻辑回归 | 最简单的基础算法 |
|
||
| 决策树 / 随机森林 | 树形结构的规则学习 |
|
||
| 支持向量机（SVM） | 寻找最优分类超平面 |
|
||
| 神经网络 | 多层非线性映射 |
|
||
| Transformer（预训练） | 现代大模型的基础 |
|
||
|
||
## 工作流程
|
||
|
||
1. **收集标注数据** → 2. **划分训练集/验证集/测试集** → 3. **训练模型** → 4. **评估调优** → 5. **部署**
|
||
|
||
## 与无监督学习的区别
|
||
|
||
| 监督学习 | [[无监督学习]] |
|
||
|---------|---------------|
|
||
| 需要标注数据 | 不需要标注 |
|
||
| 目标明确（预测 y） | 发现数据内在结构 |
|
||
| 容易评估效果 | 评估较主观 |
|
||
| 分类、回归 | 聚类、降维、生成 |
|
||
|
||
## 相关概念
|
||
|
||
- [[神经网络]]（监督学习的主要工具）
|
||
- [[Transformer 架构]]（现代监督学习的模型）
|
||
- [[无监督学习]]（另一种学习范式）
|
||
|
||
---
|
||
|
||
*整理自 AI 基础知识* |