-
特征(feature)
数据的特征。(书的内容。)
-
标签(label)
数据的标签。如(书属于的类别,例如“计算机”“图形学”“英文书”“教材”等。)
-
学习(learning)
将很多数据丢给计算机分析,以此来训练该计算机,培养计算机给数据分类的能力。换句话说,学习指的就是找到特征与标签的映射(mapping)关系。这样当有特征而无标签的未知数据输入时,我们就可以通过已有的关系得到未知数据标签。
-
有监督学习(supervised learning)
不仅把训练数据丢给计算机,而且还把分类的结果(数据具有的标签)也一并丢给计算机分析。
由于计算机在学习的过程中不仅有训练数据,而且有训练结果(标签),因此训练的效果通常不错。训练结束之后进行测试 -
无监督学习(unsupervised learning)
只给计算机训练数据,不给结果(标签),因此计算机无法准确地知道哪些数据具有哪些标签,只能凭借强大的计算能力分析数据的特征,从而得到一定的成果,通常是得到一些集合,集合内的数据在某些特征上相同或相似。
-
半监督学习(semi-supervised learning)
给计算机大量训练数据与少量的分类结果(具有同一标签的集合)。
-
聚类(clustering)
无监督学习的结果。聚类的结果将产生一组集合,集合中的对象与同集合中的对象彼此相似,与其他集合中的对象相异。
-
分类(classification)
有监督学习的两大应用之一,产生离散的结果。
-
回归(regression)
有监督学习的两大应用之一,产生连续的结果。
有监督学习、无监督学习、分类、聚类、回归等概念
最新推荐文章于 2023-11-05 12:41:57 发布