这篇文章将会介绍一下什么是监督学习(Supervised Learning)？
在正式给监督学习下定义之前，我先用一个例子来理解一下。
假设我们闲着没事，想要卖掉房子🏠，但是不相信黑心中介的报价，这个时候我们就要学会自己来预测房价。
首先我们需要收集一堆房价的数据，把这些数据画出来，就像下图⤵️
横坐标表示房子面积，纵坐标表示房价
❌表示真实的数据，可以在这组数据中，画出一条直线，根据这条直线，我们可以预测出 750 平方英尺的房子，大概可以卖 $150,000。
当然，这不是唯一的算法，如果你嫌价格太低，也可以拟合出一条曲线（只要你开心），那个拟合效果可能会更好。
以上就是一个监督学习的例子。
可以看出来，监督学习就是我们给学习算法一个已知的数据集，例子中每个房子的价格是明确的；算法根据这些数据算出更多结果，即房子的价格。
💡房子的价格是一个连续值，术语管这叫做回归(Regression)问题。
理解回归这个词很有必要，它针对的是连续值。
我再举一个分类(Classification)的问题，它也属于监督学习一种。
假设你得了乳腺肿瘤，那么肯定很在意恶性的还是良性的。
在下面的数据中，横坐标表示肿瘤大小，纵坐标 0 表示良性，1 表示恶性。
红色表示恶性，蓝色表示良性
假设你们的肿瘤大概这么大，那么在这个例子中，机器需要估算出肿瘤是恶性的或是良性的概率。用术语来讲，这是一个分类问题。
现实中，结果可能不止两种结果。我们可以用0、1、2、3 来表示。
显然你也发现了，仅仅根据大小来判断肿瘤的性质实在太业余了。
肿块的密度、患者的年龄、肿瘤细胞尺寸的一致性等等，这些特征都能影响肿瘤的性质。
下图增加了患者年龄这一特征。
X 表示恶性，O 表示良性
算法利用大量的特征，做出更准确的预测，那么如何处理储存这些特征？
⭐️不用担心这是以后会讲到的一个算法，叫支持向量机，里面有一个巧妙的数学技巧，能让计算机处理无限多的特征。
现在我们可以来总结一下了：
⭐️监督学习(Supervised Learning)是指用已经标记好的数据(labelled data)，通过训练，来预测新数据的类型，或者是值。
预测已有类型叫做分类(Classification)，预测一个值叫做回归(Regression)。
✏️现在来个小测验：假设你经营着一家公司，你想处理这两个问题：
你有上千件一模一样的货物等待出售，这时你想预测接下来的三个月能卖多少件？
你有许多客户，你想检验每一个用户的账户是否被盗过？
这两个问题，它们属于分类问题还是回归问题?
写于 2018.11.30
