`
孤叶空兀
  • 浏览: 3968 次
  • 性别: Icon_minigender_1
最近访客 更多访客>>
文章分类
社区版块
存档分类
最新评论

如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)

阅读更多

如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)

机器学习的常用方法中,我们知道一般分为监督学习和非监督学习。(当然还有半监督)

l 监督学习:监督学习,简单来说就是给定一定的训练样本(这里一定要注意,这个样本是既有数据,也有数据相对应的结果),利用这个样本进行训练得到一个模型(可以说就是一个函数),然后利用这个模型,将所有的输入映射为相应的输出,之后对输出进行简单的判断从而达到了分类(或者说回归)的问题。简单做一个区分,分类就是离散的数据,回归就是连续的数据。

l 非监督学习:同样,给了样本,但是这个样本是只有数据,但是没有其对应的结果,要求直接对数据进行分析建模。

比如我们去参观一个画展,我们完全对艺术一无所知,但是欣赏完多幅作品之后,我们也能 把它们分成不同的派别(比如哪些更朦胧一点,哪些更写实一些,即使我们不知道什么叫做朦胧派,什么叫做写实派,但是至少我们能把他们分为两个类)。无监督 学习里典型的例子就是聚类了。聚类的目的在于把相似的东西聚在一起,而我们并不关心这一类是什么。因此,一个聚类算法通常只需要知道如何计算相似度就可以 开始工作了[2]

对于问题,我可以这样跟大家说。买房的时候,给了房屋面积以及其对应的价格,进行分析,这个就叫做监督学习;但是给了面积,没有给价格,就叫做非监督学习。

监督,意味着给了一个标准作为“监督”(或者理解为限制)。就是说建模之后是有一个标准用来衡量你的对与错;非监督就是没有这个标准,对数据进行聚类之后,并没有一个标准进行对其的衡量。

 

 

文章内容为个人观点,供大家参考。如有错误,烦请指正,谢谢各位。

特别感谢网络上面各种大神的无私分享与共享。

 

参考:

[1]http://www.zhihu.com/question/23194489

[2]http://blog.csdn.net/warrior_zhang/article/details/41453327

<!--EndFragment-->
分享到:
评论

相关推荐

    Notes on Unsupervised/Semi-Supervised Learning

    Unsupervised Learning! AI! Machine Learning! Unsupervised Learning! AI! Machine Learning! Unsupervised Learning! AI! Machine Learning! Unsupervised Learning! AI! Machine Learning! Unsupervised ...

    SEMI-SUPERVISED LEARNING (ADAPTIVE COMPUTATION AND MACHINE LEARNING)

    In order to understand the nature of semi-supervised learning, it will be useful first to take a look at supervised and unsupervised learning.

    Semi-supervised learning

    半监督学习是一种机器学习方法,它介于有监督学习(supervised learning)和无监督学习(unsupervised learning)之间。在有监督学习中,算法通过标记的数据集进行训练;而在无监督学习中,算法处理的是未标记的数据...

    Reinforcement Learning An Introduction引言部分摘录-强化学习与监督学习无监督学习的区别.pdf

    《强化学习导论》摘录之强化学习与有监督学习、监督学习的区别; Reinforcement Learning: An Introduction;...The differences between reinforcement learning and supervised learning, unsupervised learning.

    AI人工智能机器学习介绍

    半监督学习(Semi-supervised Learning):半监督学习结合了监督学习和无监督学习,使用少量标签数据和大量无标签数据来训练模型。 强化学习(Reinforcement Learning):强化学习通过让模型在与环境的交互中获得...

    机器学习(Machine Learning)是指计算机算法可以自动从数据中学习和改进的能力 机器学习可以被应用于各种领域,包括图

    无监督学习(Unsupervised Learning):算法学习的是无标签的数据,用于发现数据中的模式和结构。 强化学习(Reinforcement Learning):算法学习的是通过奖励和罚罚来改进的行为。 常见的机器学习算法: 线性回归...

    自监督学习的范式变迁

    自监督学习(Self-Supervised Learning, SSL)属于无监督学习(Unsupervised Learning, UL)的范畴,但它在处理数据和提取特征的方式上有着显著的区别。传统的无监督学习通常不利用任何标签信息,侧重于数据的聚类、...

    《模式识别:半监督学习》课件

    半监督学习是一种机器学习方法,它结合了有监督学习(supervised learning)和无监督学习(unsupervised learning)的特点。在有监督学习中,数据集由对象-标签对组成,算法的任务是找到对象和标签之间的预测关系。...

    Combining supervised and unsupervised learning for automatic attack signature generation system

    本篇研究论文题为“Combining supervised and unsupervised learning for automatic attack signature generation system”,由中央南大学信息科学与工程学院的Lili Yang、Jie Wang和Ping Zhong撰写。论文中提出了一...

    TensorFlow 机器学习的学习方式_2.pdf

    2)非监督学习(Unsupervised Learning) 非监督学习与监督学习的主要区别在于,它不需要预先标记的训练数据。这种学习方法试图从原始数据中发现内在的结构、模式或群体。非监督学习主要应用于聚类(Clustering)和...

    Pattern Recognition and Machine Learning

    4. 监督学习(Supervised Learning)与非监督学习(Unsupervised Learning):在监督学习中,训练数据集包含已知的输入和输出,算法学习如何将输入映射到输出;而在非监督学习中,训练数据集没有标记的输出,算法...

    模仿学习(Imitation Learning)

    模仿学习方法可以分为监督学习(Supervised Learning)和无监督学习(Unsupervised Learning)两类,有些方法甚至利用反馈循环来不断改进策略。 具体到实际应用,例如在游戏环境中训练机器人或游戏AI,模仿学习可以...

    Statistics for Machine Learning: Techniques for exploring supervised

    value, ANOVA, and F- statistics.Implement statistical computations programmatically for supervised and unsupervised learning through K-means clustering.Master the statistical aspect of Machine ...

    机器学习圣杯:图灵奖得主Bengio和LeCun称自监督学习可使AI达到人类智力水平

    自监督学习与传统的监督学习(Supervised Learning)和无监督学习(Unsupervised Learning)存在显著差异,其核心特点在于模型不再依赖外部标注的数据集,而是能够自行从数据中发现规律,并生成标签来监督自身的学习...

    人工智能VS机器学习VS深度学习.pdf

    无监督学习(Unsupervised Learning)是机器学习的一种,它通过输入一组未知标记的样本,可以通过聚类的方法,将数据分成多个簇。无监督学习的目标是发现数据中的模式或结构。 半监督学习(Semi-Supervised ...

    statistic books for machine learning

    Implement statistical computations programmatically for supervised and unsupervised learning through K-means clustering. Master the statistical aspect of machine learning with the help of this example...

    机器学习(Machine Learning)

    - **半监督学习(Semi-Supervised Learning)**:这是介于监督学习和无监督学习之间的一种类型,其中部分数据有标签,部分数据没有标签。目标是从有标签的数据中学习,同时利用未标记数据的结构信息来改进模型性能。...

Global site tag (gtag.js) - Google Analytics