机器学习 一 监督学习和无监督学习的区别 / 蓝讯
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习 一 监督学习和无监督学习的区别 / 蓝讯相关的知识,希望对你有一定的参考价值。
有标签和无标签的区别。。比如,你要根据一批数据预测人群的性别是男是女。。。
监督学习的做法是,先去收集一批人群数据,每个样本就是一个人,包括身高啊体重啊年龄啊血型啊等等特征,而且每条样本都清楚的知道这个人是男还是女。然后学的一个模型,再预测新样本的时候,只需要给定特征,就能猜出这人是男还是女
无监督的做法就是,只收集特征,但不知道是男是女,然后学的一个模型,再预测新样本的时候,也去猜这人是男还是女。。 参考技术A 机器学习的常用方法,主要分为有监督学习(supervised learning)和无监督学习(unsupervised learning)。
监督学习,就是人们常说的分类,通过已有的训练样本(即已知数据以及其对应的输出)去训练得到一个最优模型(这个模型属于某个函数的集合,最优则表示在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进行分类的能力。在人对事物的认识中,我们从孩子开始就被大人们教授这是鸟啊、那是猪啊、那是房子啊,等等。我们所见到的景物就是输入数据,而大人们对这些景物的判断结果(是房子还是鸟啊)就是相应的输出。当我们见识多了以后,脑子里就慢慢地得到了一些泛化的模型,这就是训练得到的那个(或者那些)函数,从而不需要大人在旁边指点的时候,我们也能分辨的出来哪些是房子,哪些是鸟。监督学习里典型的例子就是KNN、SVM。
无监督学习(也有人叫非监督学习,反正都差不多)则是另一种研究的比较多的学习方法,它与监督学习的不同之处,在于我们事先没有任何训练样本,而需要直接对数据进行建模。这听起来似乎有点不可思议,但是在我们自身认识世界的过程中很多处都用到了无监督学习。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
有监督学习和无监督学习
什么是有监督学习?什么是无监督学习?
概念:输入数据有标签则为有监督学习,输入数据无标签就是无监督学习。
在机器学习中,一般聚类算法是无监督学习,分类和回归为有监督学习。
那么首先来看一下什么是学习:高考时的题目我们平时一般是没有见过的,但是为了准备高考,我们高中三年一直在学习,学基础知识,解题方法等。机器学习也是类似的,我们通过训练数据(已经做过的题),目的是解决未知的题目。
此外还有一种半监督学习:看到这个名字就可以猜测到半监督就是有监督和无监督的结合。输入数据有一部分没有标签,有一部分有标签。出现半监督学习主要是因为为一些数据添加标签的工作量太大。(此处省略大量细节)
记忆力远不如以前,写博客作为学习的一个部分,帮助自己记忆。加油!
以上是关于机器学习 一 监督学习和无监督学习的区别 / 蓝讯的主要内容,如果未能解决你的问题,请参考以下文章