监督学习与非监督学习之间的区别
监督学习与非监督学习之间的区别
深度学习中会遇到常见的两个问题，一个是分类，一个是回归。
如果我们想要预测的值是一个离散的值，比如说物体识别，识别一个物体是猫还是狗，预测一张图片是美还是丑，还有手写数字辨识，这些都是分类的问题。但是如果我们想要预测的是一个连续的数值，比如说给一张图片进行评分，这就是回归问题。
有的时候我们还会对一些数据做聚类，就是我们可以通过某些聚类算法将某些相同类别的数据聚合在一起，形成一个簇，而这些自动生成的簇可能会存在一些潜在的相同特征，比如说这个簇里面的所有数据都指向 “猫” 的特征，而另一个簇里面的数据都指向 “狗” 的特征等等。但是我们一开始并不知道这些数据指向的是那个类别，也就是说在训练的过程中，这些数据是不具有标记信息的。
根据训练的数据是否具有标记信息，我们可以将学习任务大致分为两类，一类是监督学习，也就是上面提到的分类和回归问题都是监督学习的一中。而另一类是非监督学习，也就是上面提到的聚类。
通过监督学习，我们可以明确预测出某个物体的类别。但是非监督学习的方式只能对数据进行划分，并不能预测出类别，
下面再总结一下
监督学习（Supervised learning） ：提供带有正确结果的训练集，基于训练集，算法将归纳（generalization）出“如何正确的响应所有可能的输入”,也就是对测试集有一个明确的输出。也称之为”示例学习（learning from examples）”
非监督学习（Unsupervised learning）: 训练集没有提供正确结果，而是让算法尝试识别不同数据之间的相似性，从而让有共同特征的数据能够被归类在一起。以统计学的方式实现监督学习也称作”密度估计（density estimation）“
常见的监督学习算法： k-近临算法，决策树，朴素贝叶斯等等。
常见的非监督学习算法： k-均值聚类算法，谱聚类算法，EM算法，主成分分析。
对于深度学习来说，深度学习也是一种实现机器学习的技术，也包含了监督学习和非监督学习。常见的卷积神经网络就是一种监督学习方法，在图像分类（如人脸识别）上应用非常广泛。生成对抗网络（GAN）是一种无监督学习方法，经常被用来做图像生成（如深度卷积对抗生成网络(DCGAN)可用于生成卡通图像）。
- 强化学习（Reinforcement learning）: 介于监督学习和非监督学习之间。训练中，当算法得出的结果错误时，算法会被告知；但如果算法得出的结果正确，则不会被告知。算法会尝试不同的可能性，直到它学会如何找到正确的结果。监督者会对结果进行打分，却不会给出改进意见，所以强化学习有时也被称为“评价学习（learning with critic）”。
监督学习与非监督学习之间的区别相关推荐
- 机器学习、监督学习、非监督学习、强化学习、深度学习、迁移学习
机器学习.监督学习.非监督学习.强化学习.深度学习.迁移学习 机器学习(machine learning) 监督学习(supervised learning) 非监督学习(unsupervised l ...
- 机器学习理论入门：第一章 监督学习与非监督学习介绍
第一章 监督学习与非监督学习简介 一.机器学习基本概念 概念:研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有 的知识结构使之不断改善自身的性能 输入 基本概念 –特征向量: ...
- 1 监督学习与非监督学习简介--机器学习基础理论入门
1 监督学习与非监督学习简介–机器学习基础理论入门 1.1 机器学习基本概念 什么是机器学习 机器学习: 机器学习(machine learning,ML)是一门多领域交叉学科,设计概率论.统计学.逼 ...
- 监督学习，非监督学习与半监督学习
监督学习,非监督学习与半监督学习 监督学习非监督学习与半监督学习 监督学习Supervised learning 非监督学习Unsupervised learning 半监督学习Semi-superv ...
- 机器学习（一）监督学习，非监督学习和强化学习
根据机器学习的应用情况,我们又把机器学习分为三类:监督学习(SupervisedLearning, SL), 非监督学习(Unsupervised learning, UL),和强化学习(Reinfo ...
- 机器学习的划分：监督学习、非监督学习、强化学习、进化学习
监督学习(Supervised learning):提供带有正确结果的训练集,基于训练集,算法将归纳(generalization)出"如何正确的响应所有可能的输入".也称之为&q ...
- 机器学习的划分：监督学习、非监督学习、强化学习、进化学习 概述 (二)
监督学习(Supervised learning):提供带有正确结果的训练集,基于训练集,算法将归纳(generalization)出"如何正确的响应所有可能的输入".也称之为&q ...
- 监督学习、非监督学习、强化学习都是什么？终于有人讲明白了
01 术语整理 本节概述机器学习及其三个分类(监督学习.非监督学习和强化学习).首先,与机器学习相关的术语有人工智能(Artificial Intelligence,AI).机器学习(Machine ...
- 监督学习与非监督学习
原址 出于对ml的兴趣,最近开始了对ml的学习,正在跟着 coursera学习ml的基础知识,在这里做一个笔记. 监督学习和非监督学习是两个基础的概念,但个人感觉并不是很简单,总有些容易混淆 ...
最新文章
- linux zip指定目录解压,Linux zip解压/压缩并指定目录
- Win10開始菜单打不开
- 启明云端分享 | Sigmastar SSD201\SSD202D核心板在智能料理机方案的应用（4.3寸彩屏应用）
- gem install sass 本地配置和淘宝源无效的解决办法
- 爬虫-09-get请求发起-响应对象的属性了解-练习图片的爬取
- 声明式和命令式编程_命令式与声明式编程
- ORA-01552 :非系统表空间 'xxxx'不能使用系统回退段
- Vue 子组件调用父组件的方法
- 如果股市出现震荡行情，投资者应如何应对？
- HoudahSpot 6.2 for Mac文件搜索软件
- Shiro 常用标签
- 剖析 TCP协议内部结构
- 解决微信公众号注册提示“邮箱已被占用”（亲测）
- 倒车轨迹理论实现方法
- 海康威视2020届校园招聘内推（内含内推码）
- 复合选择器之后代选择器
- 分布式专题——接口幂等性实战
- 个人奋斗动力源的一些感想
- 2022年vue项目使用go.js 2.1去水印
- 如何扩展Orchard