監(jiān)督學習是向機器學習模型提供輸入數(shù)據(jù)和正確輸出數(shù)據(jù)的過程。

• 監(jiān)督學習是機器學習的一種類型，其中機器使用“標記良好”的訓練數(shù)據(jù)進行訓練，并基于該數(shù)據(jù)，機器預測輸出。

• 標記的數(shù)據(jù)意味著一些輸入數(shù)據(jù)已經(jīng)用正確的輸出標記。

• 監(jiān)督學習算法的目的是找到一個映射函數(shù)來映射輸入變量 (x) 和輸出變量 (y)。

• 監(jiān)督學習可用于風險評估、圖像分類、欺詐檢測、垃圾郵件過濾等。

監(jiān)督機器學習算法的類型：

1.回歸

如果輸入變量和輸出變量之間存在關系，則使用回歸算法。

2.分類

當輸出變量是分類時使用分類算法，這意味著有兩個類別，例如是 - 否，男性 - 女性，真假等。

最著名的監(jiān)督學習算法：

1. 線性回歸

• 線性回歸分析用于根據(jù)另一個變量的值來預測一個變量的值。您要預測的變量稱為因變量。您用來預測另一個變量值的變量稱為自變量。

  
  

2. 邏輯回歸

• 這種類型的統(tǒng)計模型（也稱為 logit 模型）通常用于分類和預測分析。邏輯回歸根據(jù)給定的自變量數(shù)據(jù)集估計事件發(fā)生的概率，例如投票或未投票。

  
  

3. K-最近鄰

• k-最近鄰算法，也稱為KNN或k-NN，是一種非參數(shù)的、有監(jiān)督的學習分類器，它使用鄰近度對單個數(shù)據(jù)點的分組進行分類或預測。

  
  

4.支持向量機（SVM）

• 支持向量機或 SVM 是最流行的監(jiān)督學習算法之一，用于分類和回歸問題。但是，它主要用于機器學習中的分類問題。

  
  

5. 決策樹

• 決策樹以樹結(jié)構(gòu)的形式構(gòu)建回歸或分類模型。它將數(shù)據(jù)集分解為越來越小的子集，同時逐步開發(fā)相關的決策樹。最終結(jié)果是一棵具有決策節(jié)點和葉節(jié)點的樹。

  
  

6. 梯度提升

• 梯度提升是一種機器學習提升。它依賴于直覺，即最好的下一個模型與以前的模型相結(jié)合時，可以最大限度地減少整體預測誤差。關鍵思想是為下一個模型設置目標結(jié)果，以最小化錯誤。

  
  

文章來源：https://bhagirathkd.hashnode.dev/most-famous-supervised-machine-learning-algorithms#write-comment