人工智能之核心基础 机器学习 第二章 监督学习

人工智能之核心基础 机器学习

第二章 监督学习—公式关注公众号

文章目录

• 人工智能之核心基础 机器学习
• • 2.1 监督学习的定义与特点
  • • 📌 什么是监督学习？
    • 🔍 监督学习的特点
  • 2.2 监督学习的核心任务
  • • 1️⃣ 分类任务（Classification）
    • 2️⃣ 回归任务（Regression）
  • 2.3 数据集划分：训练集、验证集、测试集
  • • 🛑 重要原则：
  • 2.4 模型评估指标
  • • 🔹 分类任务常用指标
    • • 1. **准确率**（Accuracy）
      • 2. **精确率**（Precision）
      • 3. **召回率**（Recall / Sensitivity）
      • 4. **F1值**（F1-Score）
      • 5. **ROC曲线 & AUC值**
    • 🔸 回归任务常用指标
    • • 1. **MAE**（Mean Absolute Error，平均绝对误差）
      • 2. **MSE**（Mean Squared Error，均方误差）
      • 3. **RMSE**（Root Mean Squared Error，均方根误差）
      • 4. **R²**（决定系数，R-squared）
  • 🎯 本章总结
• 资料关注

2.1 监督学习的定义与特点

📌 什么是监督学习？

监督学习就像“有老师教学生”的过程。
你给计算机一堆已经知道答案的例子（比如：“这张图是猫”、“那封邮件是垃圾邮件”），让它从这些例子中学会规律，然后用学到的规律去预测新数据的答案。

✅核心关键词：有标签的数据（labeled data）
“标签”就是每个样本的正确答案。比如：

• 图片 + “猫” → 标签是“猫”
• 房屋信息 + “300万元” → 标签是价格

🔍 监督学习的特点

💡打个比方：
你教小孩认水果——给他看100张带名字的水果照片（“这是苹果”“这是香蕉”）。之后你给他一张新照片，他就能说出是什么水果。这就是监督学习！

2.2 监督学习的核心任务

监督学习主要解决两类问题：

1️⃣ 分类任务（Classification）

目标：预测离散的类别标签（有限个选项）

✅ 例子：

• 判断邮件是不是垃圾邮件（是 / 否）

• 识别图片中的动物（猫 / 狗 / 鸟）

• 医疗诊断（患病 / 健康）

📌关键点：输出是类别，不是数字大小。

2️⃣ 回归任务（Regression）

目标：预测连续的数值（可以是任意实数）

✅ 例子：

• 预测房价（比如 285.6 万元）
• 预测明天的气温（23.7℃）
• 预测销售额（12,345.8 元）

📌关键点：输出是数字，而且关注数值的大小和误差。

🧠一句话区分：

如果答案是“是什么”（类别）→分类
如果答案是“是多少”（数值）→回归

2.3 数据集划分：训练集、验证集、测试集

为了让模型既学得好，又不会“死记硬背”，我们需要把数据分成三份：

🛑 重要原则：

• 测试集绝对不能参与训练或调参！
  否则就像“提前看了考题”，评估结果会虚高。
• 划分要随机且有代表性，避免偏差（比如所有猫都在训练集，狗全在测试集）。
• 常用划分方法：train_test_split（Scikit-learn库函数）

🎯小技巧：
对于小数据集，可以用交叉验证（Cross-Validation）来更充分地利用数据。

2.4 模型评估指标

光说“模型好不好”不够，得用数字说话！不同任务用不同指标。

🔹 分类任务常用指标

假设我们做一个“是否患癌”的预测模型：

1.准确率（Accuracy）

所有预测中，猜对的比例
Accuracy = T P + T N T P + T N + F P + F N \text{Accuracy} = \frac{TP + TN}{TP + TN + FP + FN}Accuracy=TP+TN+FP+FNTP+TN​
✅ 适合类别平衡的情况（比如男女各一半）
❌ 不适合不平衡数据（比如99%健康，1%患病——瞎猜“健康”也能99%准确！）

2.精确率（Precision）

预测为“阳性”的人里，真正阳性的比例
Precision = T P T P + F P \text{Precision} = \frac{TP}{TP + FP}Precision=TP+FPTP​
👉 关注：别乱报阳性（比如垃圾邮件过滤，别把正常邮件当垃圾）

3.召回率（Recall / Sensitivity）

所有真实阳性中，被找出来的比例
Recall = T P T P + F N \text{Recall} = \frac{TP}{TP + FN}Recall=TP+FNTP​
👉 关注：别漏掉真阳性（比如癌症筛查，千万别漏诊！）

4.F1值（F1-Score）

精确率和召回率的调和平均（兼顾两者）
F 1 = 2 ⋅ Precision ⋅ Recall Precision + Recall F1 = 2 \cdot \frac{\text{Precision} \cdot \text{Recall}}{\text{Precision} + \text{Recall}}F1=2⋅Precision+RecallPrecision⋅Recall​
✅ 当你不知道该优先看精确率还是召回率时，就看F1！

5.ROC曲线 & AUC值

• ROC曲线：画出不同阈值下“真正率（TPR）” vs “假正率（FPR）”的曲线
• AUC（Area Under Curve）：ROC曲线下面积，越大越好（最大为1）
  ✅ AUC能衡量模型在所有分类阈值下的整体表现，不受类别不平衡影响！

🔸 回归任务常用指标

假设真实房价是 300 万，模型预测了 280 万，误差 = 20 万。

1.MAE（Mean Absolute Error，平均绝对误差）

平均每个预测错多少
MAE = 1 n ∑ i = 1 n ∣ y i − y ^ i ∣ \text{MAE} = \frac{1}{n}\sum_{i=1}^n |y_i - \hat{y}_i|MAE=n1​∑i=1n​∣yi​−y^​i​∣
✅ 单位与原数据一致，好解释（比如“平均差5万元”）

2.MSE（Mean Squared Error，均方误差）

先平方再平均（放大较大误差的影响）
MSE = 1 n ∑ i = 1 n ( y i − y ^ i ) 2 \text{MSE} = \frac{1}{n}\sum_{i=1}^n (y_i - \hat{y}_i)^2MSE=n1​∑i=1n​(yi​−y^​i​)2
⚠️ 单位是“平方”，不好直接理解

3.RMSE（Root Mean Squared Error，均方根误差）

MSE 开平方，回到原始单位
RMSE = MSE \text{RMSE} = \sqrt{\text{MSE}}RMSE=MSE​
✅ 既保留了MSE对大误差敏感的优点，又便于理解

4.R²（决定系数，R-squared）

模型比“瞎猜均值”好多少？
R 2 = 1 − ∑ ( y i − y ^ i ) 2 ∑ ( y i − y ˉ ) 2 R^2 = 1 - \frac{\sum (y_i - \hat{y}_i)^2}{\sum (y_i - \bar{y})^2}R2=1−∑(yi​−yˉ​)2∑(yi​−y^​i​)2​

• R² = 1：完美预测
• R² = 0：和猜平均值一样差
• R² < 0：比猜平均值还差！（模型有问题）

✅R²最常用，因为它无量纲，便于比较不同模型。

🎯 本章总结

• 监督学习= 用带答案的数据教模型
• 分类预测“是什么”，回归预测“是多少”
• 数据要分训练/验证/测试三份，测试集是“期末考”
• 分类看准确率、精确率、召回率、F1、AUC
• 回归看MAE、RMSE、R²

💡建议：先掌握准确率、MAE、R²这三个最直观的指标，再逐步深入其他指标！

资料关注

公众号：咚咚王

《Python编程：从入门到实践》
《利用Python进行数据分析》
《算法导论中文第三版》
《概率论与数理统计（第四版） (盛骤) 》
《程序员的数学》
《线性代数应该这样学第3版》
《微积分和数学分析引论》
《（西瓜书）周志华-机器学习》
《TensorFlow机器学习实战指南》
《Sklearn与TensorFlow机器学习实用指南》
《模式识别（第四版）》
《深度学习 deep learning》伊恩·古德费洛著 花书
《Python深度学习第二版(中文版)【纯文本】 (登封大数据 (Francois Choliet)) (Z-Library)》
《深入浅出神经网络与深度学习+(迈克尔·尼尔森（Michael+Nielsen）》
《自然语言处理综论 第2版》
《Natural-Language-Processing-with-PyTorch》
《计算机视觉-算法与应用(中文版)》
《Learning OpenCV 4》
《AIGC：智能创作时代》杜雨+&+张孜铭
《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》
《从零构建大语言模型（中文版）》
《实战AI大模型》
《AI 3.0》