机器学习之监督学习和 非监督学习区别
两者的不同点
1. 有监督学习方法必须要有训练集与测试样本。在训练集中找规律，而对测试样本使用这种规律。而非监督学习没有训练集，只有一组数据，在该组数据集内寻找规律。
2. 有监督学习的方法就是识别事物，识别的结果表现在给待识别数据加上了标签。因此训练样本集必须由带标签的样本组成。而非监督学习方法只有要分析的数据集的本身，预先没有什么标签。如果发现数据集呈现某种聚集性，则可按自然的聚集性分类，但不予以某种预先分类标签对上号为目的。
3. 非监督学习方法在寻找数据集中的规律性，这种规律性并不一定要达到划分数据集的目的，也就是说不一定要“分类”。
这一点是比有监督学习方法的用途要广。 譬如分析一堆数据的主分量，或分析数据集有什么特点都可以归于非监督学习方法的范畴。
4. 用非监督学习方法分析数据集的主分量与用K-L变换计算数据集的主分量又有区别。后者从方法上讲不是学习方法。因此用K-L变换找主分量不属于无监督学习方法，即方法上不是。而通过学习逐渐找到规律性这体现了学习方法这一点。在人工神经元网络中寻找主分量的方法属于无监督学习方法。
何时采用哪种方法
简单的方法就是从定义入手，有训练样本则考虑采用监督学习方法；无训练样本，则一定不能用监督学习方法。但是，现实问题中，即使没有训练样本，我们也能够凭借自己的双眼，从待分类的数据中，人工标注一些样本，并把它们作为训练样本，这样的话，可以把条件改善，用监督学习方法来做。对于不同的场景，正负样本的分布如果会存在偏移（可能大的偏移，可能比较小），这样的话，监督学习的效果可能就不如用非监督学习了。
转：https://blog.csdn.net/u010947534/article/details/82025794
机器学习之监督学习和 非监督学习区别相关推荐
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 【机器学习与深度学习理论要点】05.监督学习，非监督学习概念及应用场景
1)什么是监督学习.非监督学习 监督学习:使用已知正确答案的示例来训练网络.已知数据和其一一对应的标签,训练一个预测模型,将输入数据映射到标签的过程. 非监督学习:在非监督学习中,数据并不被特别标识, ...
- 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 ...
- 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: ...
- 结构化数据与非结构数据、监督学习与非监督学习、标记与无标记
结构化数据与非结构化数据: 结构化:可以用二维表表示的数据,存储在数据库里面的 非结构化数据:包括所有格式的办公文档.文本.图片.XML.HTML.各类报表.图像和音频/视频信息等等 办结构化:介于其 ...
最新文章
- 60篇论文入选，两度夺魁，“史上最难ECCV”商汤再攀高峰
- 如何从文件内容创建Java字符串？
- 百度Apollo飘了！在京开启全无人RoboTaxi体验，车型还能选，原因竟是嫌40万人次体验不够...
- IBM RAS：高效存储的优化组合
- 蒙特卡洛法求圆周率100亿数据
- [react] 请说说react中Portal是什么？
- Java基础类冒泡排序_Java基础 -- 冒泡排序算法(带详细注释)
- 易会满重磅发声！新证券法将给资本市场带来哪些新变化？证监会职责定位有何新要求？...
- 函数极值最值凸性拐点渐近线总结
- TestStand版本切换注意事项（重启电脑）
- 入侵检测系统建设及常见入侵手法应对
- Windows 2012 NIC teaming多网卡高可用Powershell版
- Linux——缺少ld-linux.so.2，lbiz.so.1库文件
- 让AI简单且强大：深度学习引擎OneFlow技术实践
- Samsung S4卡屏卡在开机画面的不拆机恢复照片一例
- C语言/C++编程学习：和QT零距离接触的意义
- 做人的基本原则你具备几项(一)
- pring AOP介绍与使用
- axios拦截器使用
- 一万字全网最全的“Python变量和简单数据类型知识”，干货满满