情感分析与有监督学习

情感分析

• 情感分析：正面、负面
• 更细粒度：兴奋、悲伤等

有监督学习

机器学习方法：有监督学习、无监督学习、增强学习
更一般的，对于有监督学习，需要提供一个用来学习的样本，机器学习输入数据（样本数据，对于分类来说，预先定义的有限集合，含有特征和标签），构建出模型。

机器根据样本，在模型的基础上，给出标签（Label、因变量）。对于现行问题，也就是找出y=f(x)=ax+b中的f。
对应于自变量->因变量
样本->标签

• 线性问题：标签（也就是因变量）是实数，无限取值
• 分类问题：标签是有限的集合（标签是集合的情况下，集合要预先定义）

更深入理解可以查看维基百科：监督式学习
监督式学习（英语：Supervised learning），是一个机器学习中的方法，可以由训练资料中学到或建立一个模式（函数 / learning model），并依此模式推测新的实例。训练资料是由输入物件（通常是向量）和预期输出所组成。函数的输出可以是一个连续的值（称为回归分析），或是预测一个分类标签（称作分类）。

科学研究与有监督学习

类比科学研究：

• 从数据、经验 -> 模型
• 机器从数据中找出一个模型

有监督学习：
从训练数据 -> 限定集合里的最优模型，也就是从训练数据里面找到的最优模型，前提是在一个限定的集合里面得到的。

• 找y=f(x)的最优f（限定集合）
• 对f的限定集合不同，找到的最优模型也不同（模型，都是限定了标签的集合）