机器学习 一 监督学习和无监督学习的区别 / 蓝讯

Posted 2023-04-06

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！