Question

监督学习算法可以应用在哪些领域

Answer 1

监督学习可以用于自动驾驶。

监督学习是从标记的训练数据来推断一个功能的机器学习任务。训练数据包括一套训练示例。在监督学习中，每个实例都是由一个输入对象（通常为矢量）和一个期望的输出值（也称为监督信号）组成。

监督学习算法是分析该训练数据，并产生一个推断的功能，其可以用于映射出新的实例。一个最佳的方案将允许该算法来正确地决定那些看不见的实例的类标签。这就要求学习算法是在一种“合理”的方式从一种从训练数据到看不见的情况下形成。

正如人们通过已知病例学习诊断技术那样，计算机要通过学习才能具有识别各种事物和现象的能力。用来进行学习的材料就是与被识别对象属于同类的有限数量样本。监督学习中在给予计算机学习样本的同时，还告诉计算各个样本所属的类别。

若所给的学习样本不带有类别信息,就是无监督学习。任何一种学习都有一定的目的,对于模式识别来说，就是要通过有限数量样本的学习，使分类器在对无限多个模式进行分类时所产生的错误概率最小。

其他监督学习算法

临近回归：前面介绍过最近临近回归，这也是一种非概率监督学习算法。K-最近邻回归是一种可以用于分类或回归的算法，K-最近邻算法就是从训练集中找到与测试输入的点最近的K个点，然后采用少数服从多数的思想，谁多就听谁的，或者求平均。

但是这在K取值不同的时候，得到的结果可能不同，因此K的选择是比较重要的。这个方法的特点是训练集可以趋近于无穷大，在比较好的情况下会收敛到贝叶斯错误率。这个方法需要训练集较大，训练集较少的情况下泛化程度不够好。