机器学习总结(一)——有监督和无监督、生成模型和判别模型

这里写图片描述


1. 有监督与无监督的区别

  1. 是否为有监督需要看输入的数据是否含有标签(label)。
    数据含有标签,为有监督;不含有标签,为无监督;

  2. 半监督学习:综合利用有类标签的数据和没有类标签的数据,来生成合适的分类函数。利用少量标注样本和大量未标注样本进行机器学习,从概率学习角度可理解为研究如何利用训练样本的输入边缘概率 P(x)和条件输出概率P (y|x)的联系设计具有良好性能的分类器。

2. 生成模型与判别模型的区别

生成模型:由数据学习联合概率分布,然后求出条件概率分布作为预测的模型。即给定x产生出y的生成关系。
典型比如:朴素贝叶斯方法、隐马尔科夫方法。

判别模型:由数据直接学习决策函数或者条件概率分布作为预测模型。给定x应该预测什么样的输出y。
典型比如:KNN、感知机、决策树、逻辑斯蒂回归、最大熵、svm、提升方法、条件随机场。

各自特点:

  1. 生成模型可以还原联合概率分布P(x,y),而判别模型不行。生成模型学习速度快。
  2. 判别模型是直接学习决策函数或者条件概率分布,直接面对预测,往往可以得到更高的准确率。因此可以对数据进行各种程度的抽象,定义特征并使用特征。
  • 2
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值