在有监督的学习中,我们会得到一个数据集,并且已经知道我们正确的输出应该是什么样子,认为输入和输出之间是有关系的。
有监督的学习问题分为“回归”和“分类”问题。在一个回归问题,我们试图通过连续输出预测结果,这意味着我们是试图将输入变量映射到一些连续函数。而在分类问题中,我们改为试图在离散输出中预测结果。换句话说,我们试图将输入变量映射到离散的类别。
下面是一些监督学习的例子:
有不同类型的神经网络,例如卷积神经网络(CNN)经常用于图像应用,递归神经网络(RNN)常用于一维序列数据如将英文翻译成汉语或者一些临时文件,如文本。至于自动驾驶的应用是一种混合神经网络结构。
结构化与非结构化数据
结构化数据指的是具有明确含义的事物,如价格、年龄等。而非结构化的数据指的是类似像素、原始音频、文本等的事物。