本文大约占用阅读时长3-5分钟。
主要内容是本人对于监督学习和无监督学习的一点理解与通俗化解释。
监督学习
监督式学习(英语:Supervised learning),是机器学习的一种方法,可以由训练资料中学到或建立一个模式(函数 / learning model),并依此模式推测新的实例。[1]训练资料是由输入物件(通常是向量)和预期输出所组成。函数的输出可以是一个连续的值(称为回归分析),或是预测一个分类标签(称作分类)。
------- 维基百科
我对于监督学习的比喻是, 将学习类比为在学校中的学习行为, 课堂上会有老师传授知识,课本上教辅上也有, 知识的内容已经被权威学者做过标记(标识)正确或是错误, 我们学习这些既定资料中的知识(训练), 期末考的时候我们就运用我们学到的知识解题,比如我们例题中做过"求半径为2的圆面积",考试中出现了"求半径为5的圆面积" 的题,这时候我们知道只要用原来这个题的方法把2改成5就好了。中考后要求估分, 我们基于原来历次考试的成绩和这次的发挥来估计分数, 一般和实际不会有太大的出入。且整个学习过程受到老师和家长的监督。这即是回归分析和预期输出。
无监督学习
非监督式学习(英语:Unsupervised learning)是机器学习的一种方法,没有给定事先标记过的训练范例,自动对输入的资料进行分类或分群。非监督式学习的主要运用包含:分群(Cluster Analysis)、关联规则(Association Rule)、维度缩减(Dimensionality Reduce)[1]。它是监督式学习和强化学习等策略之外的一种选择。
-------- 维基百科
还是学校的例子, 在学校上体育课,大家自由活动,老师也没有监督,然后同学们自发分成(分类)了喜欢打篮球的一拨, 喜欢打乒乓球的另一拨, 还有其他的几拨人。他们因为兴趣自发聚在一起打球(聚类)。
本文说的有那么一点意思但是没说好。望不嫌弃。