有监督和无监督学习都各有哪些有名的算法和深度学习?

产经新闻 2019-12-12185未知admin

  。学生在学习过程中借助老师的提示获得经验、技能,最后对没有学习过的问题也可以做出正确解答。在监督学习中,我们只需要给定输入样本集,机器就可以从中推演出指定目标变量的可能结果。机器只需从输入数据中预测合适的模型,并从中计算出目标变量的结果。

  无监督学习是指在没有老师的情况下,学生自学的过程。学生在学习的过程中,自己对知识进行归纳、总结。无监督学习中,类似分类和回归中的目标变量事先并不存在。要回答的问题是“从数据X中能发现什么”。

  监督学习一般包括分类与回归两种类型。分类问题的目标变量只在有限目标集中取值(标称型),比如,最简单的手写数字识别问题,目标结果在集合{0、1、2、3、4、5、6、7、8、9}中。而回归问题的目标变量是数值型的,也就是可以从无限的数值集合中取值,比如预测乐高玩具套装的价格,它可能是你设想的任意一个数字。

  另外还有很多监督学习和无监督学习算法,以及各种变种算法,在这里就不一一列举了。题主可以去阅读《机器学习实战》这本书,对各种算法做一个比较全面的了解。

  深度学习是一种实现机器学习的技术,也包含了监督学习算法和无监督学习算法。常见的卷积神经网络就是一种监督学习方法,在图像分类(如人脸识别)上应用非常广泛。生成对抗网络(GAN)是一种无监督学习方法,经常被用来做图像生成(如深度卷积对抗生成网络(DCGAN)可用于生成卡通图像)。

  《机器学习实战》,作者:[美]Peter Harrington,译者:李锐 曲亚东 王斌

  希望以上的解答能让你对监督学习和无监督学习有更清晰的理解,欢迎关注@人民邮电出版社知乎机构号,这里有更多的计算机知识和资源。

  =============================分割线==================

  ,简而言之,就是样本的分类标签,是不重合的,比如男/女,价值/非价值。

  分类系统做好了,现在新来一支股票,PE-Ratio是4,系统判断43,那就是价值股票。

  简而言之,有训练样本的,就是监督型学习。回归也是监督型学习,因为必须要有标签的数据集才能训练样本。

  ==========================无监督学习 ====================================

  无监督学习一般指的是聚类算法,我们事先不知道样本的类别,通过某种办法,把相似的样本放在一堆,比如我们假设一共有两类数据在样本中,那么我们将样本聚成两类,经过定性分析,就可以给两类加标签了。

  训练集由输入有输出是有监督,包括所有的回归算法分类算法,比如线性回归 决策树 神经网络

  训练集只有输入没有输出是无监督,包括所有的聚类算法,比如k-means PCA gmm等

  1.有监督学习和无监督学习的区别:是否有训练样本用于训练。监督学习:有训练样本用于训练→得模型→利用这个模型,对未知数据分类。无监督学习:事先没有任何训练数据样本,而直接对数据进行建模(转例:比如我们去参观一个画展,我们对艺术一无所知,但是欣赏完很多幅作品之后,我们面对一幅新的作品之后,至少可以知道这幅作品是什么派别的吧,比如更抽象一些还是更写实一点,虽然不能很清楚的了解这幅画的含义,但是至少我们可以把它分为哪一类)

  2.有监督学习和无监督学习举例:监督学习(K-近邻算法、决策树、朴素贝叶斯、逻辑回归),非监督学习(聚类、EM算法等)

Copyright © 2002-2013 诗情画意新闻网 版权所有  

联系QQ:1352848661