1、有监督学习
有监督学习中有数据以及标签,学习到一个可以将数据映射到标签的函数,标签可以有很多形式。
典型的有监督学习有:分类问题中输入一张图片,输出图片的分类;目标检测中输入一张图片,输出目标物体的边框;语义分割中,给每个像素都打上标签。
2、无监督学习
无监督学习的数据是没有任何标签的。
典型的无监督学习有:
(1)聚类:对大量未知标注的数据集,按数据的内在相似性将数据集划分为多个类别,使类别内的数据相似度较大而类别间的数据相似度较小
(2)降维:找出一些轴,在这些轴上训练数据的方差最大。这些轴就是数据内潜在的结构。我们可以用这些轴来减少数据维度,数据在每个保留下来的维度上都有很大的方差。
(3)密度估计:估计数据的内在分布情况,在上方有一些一维的点,我们用一个高斯函数来拟合这一密度分布情况。