Q：监督学习的流程是什么样的？
监督学习过程图示：
首先我们需要带有标签的数据，接着，通过特征工程来提取特征形成特征向量。然后，我们会选择模型，相当于选择某一个目标函数，那有了一个目标之后，就可以使用优化算法来优化目标函数。这些算法一般都可以调用工具来使用。这样我们便得到了一个预测结果。如果预测结果不好怎么办呢？我们会从头开始，在每一个部分都作一些调节，一般我们算法工程师做的事情就是循环过程。其中最重要的而且最花费时间其实是特征工程。
Q：什么是端到端的学习呢？
我们知道最花费时间其实是特征工程，那能不能去掉这个步骤呢？很多深度学习的过程就是端到端的过程，比如图像识别，比如语音识别，我们直接输入数据，通过深度学习来建模，让神经网络来直接学习有用的特征。但是不是所有领域都适合用这种方法。
Q：常用的监督学习模型有哪些？
线性回归：给定一匹数据，找到一条线来拟合。
逻辑回归：经常用于二分类问题，找到一条线来很好地区分开两个类别。
朴素贝叶斯：应用了朴素贝叶斯原理，用于文本分类比较多，比如垃圾邮件过滤。
SVM：找到一个决策边界，使其到支持向量点的距离最大，这里面涉及到的数学知识很多，分类效果在深度学习应用火起来之前算是最好的。
随机森林：很多决策树的集合。
cnn,rnn: 最常用的深度学习模型。
Q：如何应用这些常见的模型？
在机器学习库sklearn里一般都可以直接调用。至于深度学习模型，可以用keras, pytorch或者tensorflow来做。
来源：CSDN
作者：少儿西笑
链接：https://blog.csdn.net/weixin_42936560/article/details/87735547