美文网首页
监督&非监督

监督&非监督

作者: Superhi | 来源:发表于2020-02-10 19:05 被阅读0次

机器学习中涉及的学习方式主要有四种:

1.监督学习

2.非监督学习

3.强化学习

4.半监督学习

区分:监督与非监督的区别在于学习中是用到的标签(label)

标签是指每个样本所属于的种类;

样本空间

监督学习中,就是根据已经有的数据来预测新的数据的正确性,那这个正确与否就是需要判断标签是否预测正确。从而来提高算法的性能。所以说,有监督学习,必须是有标签的。

主要用途:分类(Classify)和回归(Regression)

常见算法:k-近邻算法、决策树与随机森林、回归(逻辑、岭回归)、神经网络、朴素贝叶斯、支持向量机、线性回归等

无监督学习,一般是归类,不用标签,把相近的样本归为一类。这个相似性就需要相似性度量。

主要用途:聚类等

常见算法:k-means,模糊c均值等

强化学习就是采用惩罚机制,评价行为,比如这是一个好行为或者这个是一个bad way。好的行为保持奖励,但是坏的行为就重处罚。从而经历重复的训练,效果也越来越好。

用途:游戏中比较好,比如蘑菇人,小鸟等,但是感觉也可以用于无人驾驶,市场还是很广的,还记得看过一个视频(吴恩达在斯坦福做过的一个实验就是一个自己会飞的飞机,效果还不错)。

半监督学习,是监督学习与无监督学习相结合的一种学习方法。半监督学习使用大量的未标记数据,以及同时使用标记数据,来进行模式识别工作。也就是以少量的标签来评判,进行归类。

机器学习--TEP

T-是样本,E-经验,P-性能,就是程序利用E在T上获得性能P的改善,这个就是学习。

总结:本人是个刚入行的小白,希望大佬指正,谢谢。

相关文章

  • 监督&非监督

    机器学习中涉及的学习方式主要有四种: 1.监督学习 2.非监督学习 3.强化学习 4.半监督学习 区分:监督与非监...

  • 第十三章 聚类(Clustering)

    13.1 聚类简介 聚类是一个非监督学习的算法,监督学习和非监督学习的介绍在第一章:监督学习VS非监督学习 - 简...

  • 吴恩达机器学习笔记-非监督学习

    聚类 之前的课程中我们学习的都是监督学习相关的算法,现在来开始看非监督学习。非监督学习相对于监督非学习来看,其使用...

  • 监督学习和非监督学习

    机器学习分为监督学习、非监督学习和半监督学习(也可以叫强化学习)。在这里我们来区分一下监督学习和非监督学习的区别吧...

  • k-means聚类算法的实现和可视化

    非监督算法 k-means是一个非监督算法,以前我们学的都是监督算法或者半监督算法,例如多元回归,贝叶斯判别,支持...

  • 11.25 统计学习方法

    1.2监督学习 统计学习包括监督学习,非监督学习,半监督学习及强化学习。 监督学习(supervised lear...

  • 机器学习分类

    监督/非监督学习 监督学习 K近邻算法线性回归逻辑回归支持向量机(SVM)决策树和随机森林神经网络 非监督学习 聚...

  • 监督学习——学习笔记

    前言 统计学习包括监督学习、非监督学习、半监督学习及强化学习。监督学习 (supervised learning)...

  • 监督学习,非监督学习

    机器学习的定义是:在没有明确设置的情况下,使计算机具有学习能力的领域。 一个适当的学习问题定义如下:计算机程序从经...

  • 有/无/半监督学习 强化学习 区别

    参考 监督学习与非监督学习的区别 有/无/半监督学习 训练数据有标注,则是有监督学习。有监督学习最常见的就是:回归...

网友评论

      本文标题:监督&非监督

      本文链接:https://www.haomeiwen.com/subject/pmczxhtx.html