监督学习、无监督学习和半监督学习区别
1、概念
1.1监督学习(数据集有输入和输出数据):通过已有的一部分输入数据与输出数据之间的相应关系。生成一个函数,将输入映射到合适的输出,比如分类。
1.2无监督学习(数据集中只有输入):直接对输入数据集进行建模,比如聚类。
1.3半监督学习:综合利用有类标的数据和没有类标的数据,来生成合适的分类函数。
2、类别
2.1监督学习分为分类(classification)和回归(regression)
最广泛被使用的分类器有人工神经网络、支持向量机、近期邻居法、高斯混合模型、朴素贝叶斯方法、决策树和径向基函数分类。
回归:线性回归,神经网络
2.2无监督学习:主要由聚类。
2.3半监督学习的基本思想是利用数据分布上的模型如果, 建立学习器对未标签样本进行标签。
形式化描写叙述为:
1.给定一个来自某未知分布的样本集S=L∪U, 当中L 是已标签样本集
L={(x1,y1),(x2,y2), … ,(x |L|,y|L|)}, U是一个未标签样本集U={x’1,x’2,…,x’|U|},希望得到函数f:X → Y能够准确地对样本x预測其标签y,这个函数可能是參数的。如最大似然法;可能是非參数的。如最邻近法、神经网络法、支持向量机法等;也可能是非数值的,如决策树分类。当中, x与x’ 均为d 维向量, yi∈Y 为样本x i 的标签, |L| 和|U| 分别为L 和U 的大小, 即所包括的样本数。半监督学习就是在样本集S 上寻找最优的学习器。怎样综合利用已标签例子和未标签例子,是半监督学习须要解决的问题。
2.3半监督学习问题从样本的角度而言是利用少量标注样本和大量未标注样本进行机器学习。从概率学习角度可理解为研究怎样利用训练样本的输入边缘概率 P( x )和条件输出概率P ( y | x )的联系设计具有良好性能的分类器。这样的联系的存在是建立在某些如果的基础上的。即聚类如果(cluster assumption)和流形如果(maniford assumption)。
项目推荐:
2000多G的计算机各行业电子资源分享(持续更新)
2020年微信小程序全栈项目之喵喵交友【附课件和源码】
Spring Boot开发小而美的个人博客【附课件和源码】
Java微服务实战296集大型视频-谷粒商城【附代码和课件】
Java开发微服务畅购商城实战【全357集大项目】-附代码和课件
最全最详细数据结构与算法视频-【附课件和源码】
监督学习、无监督学习和半监督学习区别相关推荐
- 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, ...
- 有监督、无监督与半监督学习【总结】
概念 有监督学习:训练数据既有特征(feature)又有标签(label),通过训练,让机器可以自己找到特征和标签之间的联系,在面对只有特征没有标签的数据时,可以判断出标签. 无监督学习(unsupe ...
- 系统学习机器学习之弱监督学习(二)--半监督学习综述
一.半监督学习 1-1.什么是半监督学习 让学习器不依赖外界交互.自动地利用未标记样本来提升学习性能,就是半监督学习(semi-supervised learning). 要利用未标记样本,必然要做一 ...
- 机器学习-----有监督,无监督,半监督学习的简单阐释
来源: 机器学习算法盘点 - ranjiewen - 博客园 http://www.cnblogs.com/ranjiewen/p/6235388.html 为啥感觉完全是被圈粉了----好厉害啊-- ...
- 监督学习、无监督学习、半监督学习、自监督学习的区别与联系
监督学习: 所有数据都有标签或真值,直接对网络输出结果和标签计算loss函数,进行训练. 缺点:标签很难获取,且提取的特征依赖于标签(即特定任务),而不是数据本身的特征 无监督学习: 所有数据都没有标 ...
- 概念:监督学习、无监督学习与半监督学习
(此为机器学习随笔之一) 机器学习中的算法,主要有两种:监督学习:半监督学习. 1 .名词 监督学习 : supervised learning 无监督学习 : unsupervised learni ...
- 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、半监督学习、无监督学习定义
监督学习(supervised learning).半监督学习(Semi-supervised learning).无监督学习(unsupervised learning)是以训练样本中的标签进行区分 ...
- 【深度学习】有监督学习、无监督学习、半监督学习
本文目录 有监督学习(Suspervised Learning) 常见的有监督学习 无监督学习(Unsupervised Learning) 常见的无监督学习 半监督学习(Semi-supervise ...
- 手把手教你实现GAN半监督学习
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 引言 本文主要介绍如何在tensorflow上仅使用200个带标 ...
最新文章
- 我用2年时间从财务到数据分析师!
- PHP 表单和用户输入
- 三分钟带你对 Softmax 划重点
- JQuery 自动触发事件
- Angular 依赖注入里factory函数的调用时机
- mysql数据类型支持比较运_Mysql支持的数据类型(总结)
- hammer的初始化及移动端各种滑动
- hp 交换机远程连接_HP交换机简单配置方法
- 图像有损压缩与无损压缩_图像:有损与无损压缩
- 软件测试教程第2版(宫云战主编)
- git pull git_Git Pull解释
- 网吧服务器多长时间维护,网吧服务器常用设置维护工具
- DAOS 源码解析之 daos_api
- 2.Apache服务器配置(Ubuntu)
- 一个优酷会员账号可以登录几台设备
- JAVA中用流进行文件分割
- 计算机网络管理员工作周记,计算机java开发实习周记20篇
- 汽车租赁系统(Java)
- 转SAP MM T-code
- Route [register] not defined. 的解决办法
热门文章
- Python 读取文件时报‘utf-8‘ codec can‘t decode byte 0xfc in position xxxx 的解决方法
- 王春亮推拿学堂:如何提高自己的能量级别
- 让屏幕日落而息的护眼神器——f.lux,自动调节屏幕色温,减少眼部疲劳
- C语言程序设计I—第九周教学
- linux遍历目录漏洞,ubuntu linux 目录遍历漏洞(CVE-2019-14452)
- 怎样在M1 Mac上运行iOS应用?
- Project Server 2003和Project Server 2007部署
- 千兆以太网的双向图像传输和显示系统(1)
- termux安装linux命令,Termux安装发行版Linux
- 常耀俊老师经典《从管理走向领导——管理者卓越领导力塑造课》课程