深度学习,就是将我们输入转换成一个高维的向量,一定程度上可以理解为编码,或者为压缩。
然后,我们才可以用这个特征去分类、回归或者其他任务。
例如,将这几个图形分为两类,可以按着形状或者颜色分类或形状分类,上面的模型关注颜色,下面的模型关注形状,具有提取形状特征的能力。
无监督学习的意义
食物分类的例子中,所有的数据都没有标签。大部分的数据都没有标签的。
机器学习:
降维:PCA主成分分析,之前新冠任务中的降维。
聚类。
深度学习方法:
生成对抗网络。GAN
自监督学习:对比学习和生成式自监督。
无监督学习:Unsupervised learning
对比学习:让自己和自己靠的更近,把自己和自己的增广作为一类 。
simsaim
生成式自监督
autoencoder自编码器,把自己的一部分当做学习的目标。
encoder具有很强的特征提取能力。
文字中的自监督