基本概念
此处的基本概念仅基于个人理解,并不十分严谨,严谨概念见补充部分。
- 有监督学习:训练数据为feature+label,feature经过神经网络后得到prediction,prediction和label经过合适的loss function计算loss,经过多轮反向传播后使得loss达到最小值(全局最优)
- 无监督学习:训练数据仅为feature,没有label,神经网络对数据的内在特征进行挖掘,找到样本之间的关系,完成如聚类之类的任务
- 自监督学习:训练数据仅为feature,没有label,但是能通过设计辅助任务来从feature中提取信息创造label,之后的训练与有监督学习基本一致
区别与联系
- 有监督学习数据为带标签数据,无监督与自监督学习数据为无标签数据
- 无监督学习不会生成伪标签,自监督学习会根据辅助任务生成伪标签
- 自监督学习生成伪标签后,后续的学习过程基本和有监督学习一致
补充
除有监督学习、无监督学习、自监督学习外,还有半监督学习、弱监督学习等概念