[深度學習之美06】如何感性認知（半）監督/非監督學習？

3.1　感性認知監督學習

用數據挖掘領域大家韓家煒教授的觀點[1]來說，

所有的監督學習（Supervised Learning），基本上都是「分類（Classification）」的代名詞。

它從有標籤的訓練數據中學習模型，然後給定某個新數據，利用模型預測它的標籤。這裡的標籤，其實就是某個事物的分類。

比如，小時候父母告訴我們某個動物是貓、是狗或是豬，然後在我們的大腦里就會形成或貓或狗或豬的印象（相當於模型構建），然後面前來了一條「新」小狗，如果你能叫出來「這是一隻小狗」，那麼恭喜你，標籤分類成功！但如果你回答說「這是一頭小豬」。這時你的監護人就會糾正你的偏差，「乖，不對，這是一隻小狗」，這樣一來二去地進行訓練，不斷更新你大腦的認知體系，聰明如你，下次再遇到這類新的「貓、狗、豬」等，你就會天才般地給出正確的「預測」分類（示意圖如圖3-1所示）。

圖3-1 監督學習示意圖

事實上，整個機器學習的過程就是在干一件事，即通過訓練，學習得到某個模型，然後期望這個模型也能很好地適用於「新樣本」（即預測）。這種模型適用於新樣本的能力，也稱為「泛化能力」，它是機器學習演算法非常重要的性質。

在學習過程中，需要使用訓練數據，而訓練數據往往是人工給出的。在這個訓練集合中，系統的預期輸出（即標籤信息）已經給出，如果模型的實際輸出與預期不符（二者有差距），那麼預期輸出就有責任「監督」學習系統，重新調整模型參數，直至二者的誤差在可容忍的範圍之內。因此，預期輸出（標籤信息）也被稱為「教師信號」。

3.2 感性認識非監督學習

與監督學習相反的是，非監督學習（Unsupervised Learning）所處的學習環境，都是非標籤的數據。韓家煒教授接著說[1]，

「非監督學習，本質上就是『聚類（Cluster）』的近義詞。」

話說聚類的思想起源非常早，在中國，可追溯到《周易·繫辭上》中的「方以類聚，物以群分，吉凶生矣」。

但真正意義上的聚類演算法，卻是20世紀50年代前後才被提出的。

為何會如此滯後呢？原因在於，聚類演算法的成功與否，高度依賴於數據。數據量小了，聚類意義不大。數據量大了，人腦就不靈光了，只能交由計算機解決，而計算機1946年才開始出現。

如果說分類是指，根據數據的特徵或屬性，劃分到已有的類別當中。

那麼，聚類一開始並不知道數據會分為幾類，而是通過聚類分析將數據聚成幾個群。

簡單來說，給定數據，聚類從數據中學習，能學到什麼，就看數據本身具備什麼特性了（given data, learn about that data）。

對此，北京航空航天大學的於劍教授，對聚類有12字的精彩總結[2]：

「歸哪類，像哪類。像哪類，歸哪類。」

展開來說，給定N個對象，將其分成K個子集，使得每個子集內的對象相似，不同子集之間的對象不相似。

但這裡的「類」也好，「群」也罷，事先我們是並不知情的。一旦歸納出一系列「類」或「群」的特徵，如果再來一個新數據，我們就根據它距離哪個「類」或「群」較近，就預測它屬於哪個「類」或「群」，從而完成新數據的「分類」或「分群」功能（參見圖3-2）。

圖3-2 非監督學習示意圖

3.3半監督學習

半監督學習（Semi-supervised Learning）的方式，既用到了標籤數據，又用到了非標籤數據。有一句罵人的話，說某個人「有媽生，沒媽教」，拋開這句話罵人的含義，其實它說的是「無監督學習」。

但我們絕大多數人，不僅「有媽生，有媽教」，還有小學教、有中學教、有大學教，「有人教」的意思是，有人告訴我們事物的對與錯（即對事物打了標籤），然後我們可據此改善自己的性情，慢慢把自己調教得更有教養，這自然就屬於「監督學習」。

但總有那麼一天，我們會長大。而長大的標誌之一，就是自立。何謂自立呢？就是遠離父母、走出校園後，沒有人告訴你對與錯，一切都要基於自己早期已獲取的知識，從社會中學習，擴大並更新自己的認知體系，然後當遇到新事物時，我們能泰然自若地處理，而非六神無主。

從這個角度來看，現代人類成長學習的最佳方式當屬「半監督學習」！它既不是純粹的「監督學習」（因為如果完全是這樣，就會扼殺我們的創造力和認知體系，也就永遠不可能超越我們的父輩和師輩），也不屬於完全的「非監督學習」，因為如果完全這樣，我們會如無根之浮萍，會花很多時間重造輪子。前人的思考，我們的階梯。