这个系列是我通过阅读 Scikit-learn 的文档，结合自己的理解和掌握的知识，重新把文档描述出来。希望能加深自己的理解，希望能帮到有需要的人。
学习材料：https://scikit-learn.org/stable/tutorial/statistical_inference/supervised_learning.html
监督学习的概念
在 这篇文章 中介绍了监督学习的概念。简单的说，就是用一批带有已知标签的数据集，来预测没有标签的数据的标签。
监督学习要解决的问题
监督学习中，输入是观测样本矩阵 X， X 的一个维度是特征，另一个维度是样本，（也就是 数据集，参看这篇），输出则是一个一维的的向量 y，叫做 “目标 target” 或者 “标签 label”，这个向量的维度和样本的维度一样。对于每一次的观测样本，输出一个标签，所以一般来说，输出的标签向量的长度和样本个数相同。
分类（classification)：如果一个预测任务是将数据集划分为有限多个标签，（比如 这篇 中的iris数据，预测花的种类），换句话说，是给每个数据集打一个标签，命一个名，那么这个任务就称为分类任务。
分类的标签是离散的变量，任务是给测试样本“定性”； 如果一个要预测的对象是连续的变量，任务是给测试样本“定量”，那么该任务就称为回归（regression）。
分类问题的例子
在 鸢尾花数据集 中，来自三种鸢尾花，分别为 Setosa、Versicolour、Virginica。 所以这套训练数据中会有三种标签，从下面的代码可以看出来：
import numpy as np
from sklearn import datasets
iris_X, iris_y = datasets.load_iris(return_X_y=True)
print(np.unique(iris_y))
结果是：
[0 1 2]
这里用三个数字表示数据的标签。
K-最近邻算法
最简单的监督学习分类器是 K-最近邻算法。
scikit-learn 库里的每一个监督估计器都有一个 .fit(X, y) 方法函数和一个 predict(X) 方法函数。.fit(X, y) 用于拟合数据，predict(X) 用于预测 y
在 scikit-learn 库，y 向量的成员是整数或者字符串。
如果您对本文有疑问或者寻求合作，欢迎 联系邮箱 。邮箱已到剪贴板