机器学习相关信息：

监督式学习

• 定义：监督式学习涉及到一个算法，它被训练来识别数据集中的模式，这些数据集已经包含了输入数据和它们对应的正确输出（标签）。

• 理解：这种学习方式可以被理解为一种模仿或学习过程，其中算法通过观察带有正确答案的例子来学习如何对新的、未见过的数据做出预测。

• 原理：其核心原理是归纳学习，即算法分析训练数据集中的输入和输出之间的关系，然后归纳出一种模式或函数，这个函数可以用于预测新的输入数据的输出。例如，在监督学习中，算法可能会学习到如何根据房屋的大小、位置和其他特征来预测房价。

生活故事理解 监督学习

好的，让我们通过一个小学生在厨房学习烘焙蛋糕的故事来理解监督式学习。

故事：小明的蛋糕烘焙课

故事背景：
小明是一名小学生，他对烘焙蛋糕非常感兴趣。他的妈妈是一位烘焙高手，决定教小明如何烘焙出美味的蛋糕。

第1步：观察例子（收集数据）
小明的妈妈首先给他展示了各种各样的蛋糕图片和配方（就像数据集中的标签数据）。每张图片都附有配方，说明了制作这种蛋糕需要哪些配料和步骤。

第2步：学习配方（训练模型）
小明开始尝试按照配方烘焙蛋糕。他一边学习，一边实践，逐渐理解了不同配料和烘焙时间对蛋糕味道和质地的影响。这个过程就像是监督式学习中的模型训练阶段。

第3步：不断尝试（模型调优）
有时候，小明会根据自己的口味调整配方，比如多加一些糖或者更换不同的面粉。每次调整后，他都会请家人品尝并给出反馈。这个过程就像是模型的调优，通过反馈来改进模型。

第4步：独立烘焙（模型预测）
经过一段时间的学习和实践，小明已经能够不看配方，自己决定配料和烘焙时间，烘焙出家人和朋友都喜欢的蛋糕。这就像是监督式学习中的模型预测阶段，模型已经学会了如何根据输入（配料和烘焙条件）来预测输出（蛋糕的味道和质地）。

第5步：创新蛋糕（模型应用）
小明不仅学会了烘焙妈妈教的蛋糕，还开始尝试创造自己的特色蛋糕，比如水果蛋糕、巧克力蛋糕等。这就像是监督式学习模型的应用，将学到的知识应用到新的、未见过的任务上。

参考

1. https://klose911.github.io/html/ml/intro.html

4. 40分钟