理工酷

这是机器学习领域中一个基本的问题，有助于你更好地了解机器学习的内涵。

机器学习是一类数据驱动的算法（与“正常”算法不同的是，数据“告诉”了“好答案”是什么）。例如：一个假设的非机器学习算法用于图像中的人脸检测，它将试图定义一张脸是什么样子的（圆形的彩色圆盘，期望眼睛所在的区域较暗等等）。而一个机器学习算法不会有这样的编码定义，它会“通过示例学习”：你会显示出几张人脸图像非人脸图像，最终，一个好的算法可以学习并能够预测一个从未见过的图像是否是人脸。这个特定的人脸检测示例是有监督的，意味着你的示例必须被标记，或者明确地指出哪些是人脸，哪些不是。

在无监督算法中，你的例子没有标记，也就是说你什么都用告诉机器。当然，在这种情况下，算法本身无法“发明”一张人脸，但它可以尝试将数据聚类到不同的组中，例如，它可以区分人脸图像与风景图像的区别，风景图像与动物图像的区别。

除此之外，还有“中间”形式的监督，即半监督和主动学习。从技术上讲，这些都是有监督的方法，它们当中有一些“聪明”的方法来避免大量的标记示例。在主动学习中，算法本身决定你应该标记的内容（例如，它可以很确定地识别出一幅风景和一匹马，但它可能会要求你确认大猩猩是否是一张脸的照片）。在半监督学习中，有两种不同的算法，它们从标记的例子开始，然后“告诉”彼此对大量未标记数据的思考方式，从这个“讨论”的过程中学习。