监督学习,无监督学习,半监督学习的区别
1.监督学习
输入数据有特征值和目标值组成
回归:函数的输出是一个连续的值
分类:函数的输出是有限个离散的值
2.无监督学习
输入数据由输入特征值组成
输入数据没有被标记,也没有确定的结果,样本数据类别未知,需要根据样本间的相似性对样本进行分类(聚类,clustering),试图使类内差距最小化,类间差距最大化
3.半监督学习
训练集同时包含有标记样本和未标记样本数据,有特征值,但是一部分数据有目标值,一部分没有。
4.强化学习
自动进行决策。并且可以做连续决策动态过程,上一步的数据输出是下一步的数据输入。
从给定的训练数据集中学习出一个函数(模型参数),当新的数据到来时,可以根据这个函数预测结果。监督学习的训练集要求包括输入输出,也可以说是特征和目标。训练集中的目标是由人标注的。监督学习就是最常见的分类(注意和聚类区分)问题,通过已有的训练样本(即已知数据及其对应的输出)去训练得到一个最优模型(这个模型属于某个函数的集合,最优表示某个评价准则下是最佳的),再利用这个模型将所有的输入映射为相应的输出,对输出进行简单的判断从而实现分类的目的。也就具有了对未知数据分类的能力。监督学习的目标往往是让计算机去学习我们已经创建好的分类系统(模型)。
监督学习是训练神经网络和决策树的常见技术。这两种技术高度依赖事先确定的分类系统给出的信息,对于神经网络,分类系统利用信息判断网络的错误,然后不断调整网络参数。对于决策树,分类系统用它来判断哪些属性提供了最多的信息。
常见的有监督学习算法:回归分析和统计分类。最典型的算法是KNN和SVM。
————————————————
版权声明:本文为CSDN博主「风翼冰舟」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/zb1165048017/article/details/48579677
监督学习,无监督学习,半监督学习的区别相关推荐
- 监督学习和无监督学习_让半监督学习再次伟大!谷歌最新无监督数据增强研究,全面超越现有半监督学习方法...
新智元报道 来源:GoogleAI 编辑:元子 [新智元导读]Google AI最新研究用无监督数据增强推进半监督学习,取得令人瞩目的成果.该方法超越了所有现有的半监督学习方法,并实现了仅使用 ...
- 机器学习中的有监督学习,无监督学习,半监督学习
在机器学习(Machine learning)领域,主要有三类不同的学习方法: 监督学习(Supervised learning). 非监督学习(Unsupervised learning). 半监督 ...
- 监督学习、无监督学习、半监督学习和强化学习
https://www.toutiao.com/a6673066493946626574/ AI 想必大家都知道,在机器学习训练一个模型的过程中需要大量的数据进行喂养.根据训练的模型不同,一般有如下的 ...
- 【机器学习】监督学习,非监督学习,半监督学习三者的定义区别及举例分析
监督(supervised)= 标签(label),是否有监督,就是输入数据(input)是否有标签,有标签则为有监督学习,没标签则为无监督学习.至于半监督学习,就是一半(一点点)数据有标签,一半(极 ...
- 有监督、无监督和半监督学习
目录 概念描述 监督学习(Supervised Learning,SL) 无监督学习(Unsupervised Learning,UL) 半监督学习(Semi-supervised Learning, ...
- 一文看懂半监督学习(Semi-supervised Learning)和自监督学习(Self-Supervised Learning)
前言 网络上很多关于此的文章,在这里进行一个梳理 参考: https://zhuanlan.zhihu.com/p/33196506 https://zhuanlan.zhihu.com/p/1395 ...
- ML之SSL:Semi-Supervised Learning半监督学习的简介、应用、经典案例之详细攻略
ML之SSL:Semi-Supervised Learning半监督学习的简介.应用.经典案例之详细攻略 目录 Semi-Supervised Learning半监督学习的简介 1.直推学习Trans ...
- 半监督学习深度学习算法
该文章主体摘自知乎糯米稻谷的文章,对一些细节添加了自己的理解 文章链接https 半监督学习 啥是半监督学习(Semi-supervised Learning) 1.简单自训练(simple self ...
- 【周志华机器学习】十三、半监督学习
文章目录 参考资料 1. 未标记样本 1.1 主动学习 1.2 常见假设 1.3 半监督学习划分 2. 生成式方法 3. 半监督SVM 4. 基于分歧的方法 5. 半监督聚类 5.1 Constrai ...
- 【科普】半监督学习的概述与思考,及其在联邦学习场景下的应用
关注公众号,发现CV技术之美 在现实世界中,数据往往存在各种各样的问题,例如:图片分类模型对标注数据的依赖性很强.标注图片数据难以获取.大量未标注数据存在.针对某个场景的数据量过小-等等问题. 在联邦 ...
最新文章
- 第一个MapReduce程序
- 英特尔发布oneAPI软件计划及beta产品,面向异构计算提供统一可扩展的编程模型
- php显示网卡信息,linux如何查看网卡信息
- Windows环境:VMware下linux虚拟机与Windows主机进行文件共享的方法
- boost::hana::while_用法的测试程序
- 两根硬铜线并线接插座_高级电工原来都这样接电线,手法还没见过,我也立马学...
- php7.1 aes 加密解密,PHP7.1中AES加密解密方法 mcrypt_module_open()替换方案
- Codeforces Round #699 (Div. 2) 题解
- 【JS 逆向百例】当乐网登录接口参数逆向
- gitignore不起作用
- 拖拽之路(二):自定义QListWidget实现美观的拖拽样式(拖拽不影响选中)
- 伪原创方法-学习一下
- 网管面试题1-windows
- ARINC818(FC-AV)协议,ADVB
- mac虚拟机改显存_虚拟机mac怎么增大显存
- 深蓝视觉SLAM课程第四讲--相机模型,非线性优化(G2O)
- 论文笔记01——PoseCNN:A Convolutional Neural Network for 6D Object Pose Estimation in Cluttered Scenes
- Win10杀毒软件大PK:Defender垫底 卡巴/小红伞第一
- 优秀课件笔记之计算机网络基础
- 腾讯一面:内存满了,会发生什么?