(Un)Supervised Learning

最新推荐文章于 2023-11-25 23:12:07 发布
最新推荐文章于 2023-11-25 23:12:07 发布
阅读量243 收藏
点赞数 1
分类专栏： machine learning 文章标签： machine learning
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qj970514/article/details/94834262
版权

Machine Learning

两大学习方法：Supervised Learning和Unsupervised Learning

Supervised Learning（监督学习）

监督学习 ：“right answers” given；每一个例子中含有正确答案。其又分为classification/regression

- regression(predict continuous valued output)
regression
- classification(predict discrete(不连续) valued output)

Alt

Unsupervised Learning（无监督学习）

样本中没有answer，需要自己分类

Alt

qinjunu
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Supervised learning
07-18
Supervised Learning Supervised learning是一种机器学习算法，在该算法中，我们预先知道每个样本的标签，以便模型可以学习how to map the input to the correct output。这种类型的学习算法是最常见的机器学习算法...
机器学习——supervised和unsupervised learning、linear regression、Cost function和Loss function、梯度下降、矩阵
胡图图不糊涂的博客
06-02 937
一、supervised learning与unsupervised learning 监督学习是利用数据的特征和标签来训练一个模型，使模型能够对任意给定的输入，对其相应的输出做出一个好的预测，即得出一个所谓的正确答案。监督学习可以分为两大类：回归分析和分类，二者之间的区别在于回归分析针对的是连续数据，而分类针对的是离散数据。 非监督学习为直接对数据进行建模，训练数据中只有特征没有标签，而且事先并不知道输入数据对应的输出结果是什么，最终结果为多个结构。。其中包含聚类分析与特征变量关联等算法。即类似于将一个数
Andrew Ng 《Machine Learning》第一讲——Supervised Learning & Unsupervised Learning 学习笔记
zhonglj0314的专栏
02-07 3012
一般的，机器学习的问题可分为有监督学习（Supervised）和无监督学习(Unsupervised)两类。有监督学习需要有一个包含“正确答案”的数据集，例如房价，是否恶性肿瘤，有监督学习算法解决的目标问题是产生更多的“正确答案”，例如预测房子面积为750平方时的房价，指定肿瘤大小预测是否是恶性肿瘤。有监督学习包含了回归问题（预测结果为连续值）和分类问题（预测结果为有限个离散值）。可以认为回归问题是建立输入和某个连续函数之间的map，分类问题是建立输入和某个离散函数之间的map。提供给无监督学习的数据集中不
什么是无监督学习
最新发布
十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎
11-25 2430
无监督学习（Unsupervised Learning）是机器学习的一种类型，它涉及从未标记的数据中发现隐藏的模式。与监督学习不同，无监督学习的数据没有显式的标签或已知的结果变量。其核心目的是探索数据的内在结构和关系。无监督学习通常用于数据探索、发现洞见以及识别数据中的潜在结构。
【Machine Learning 系列】一文带你详解什么是无监督学习(Unsupervised Learning)
热门推荐
陈橘又青的博客
07-18 1万+
无监督学习在聚类、降维和关联规则挖掘等问题上有广泛应用，为我们理解数据和解决实际问题提供了有力的工具和方法。随着数据规模的不断增大和应用场景的不断扩展，无监督学习将在各个领域发挥越来越重要的作用。
Supervised learning2
07-18
在机器学习领域，监督学习是一种重要的学习方法，它涉及到通过已知的输入-输出对来训练模型，使得模型能够预测未知数据的输出。本篇主要讨论的是监督学习中的逻辑回归（Logistic Regression）。...
Supervised Learning
01-15
监督学习是机器学习领域的一种重要方法，其基本思想是通过已有的带有标签的数据来训练模型，使得模型能够对未知数据进行准确的预测。在监督学习中，数据集被分为训练集和测试集，训练集用于构建模型，而测试集则用于...
semi-supervised learning
01-01
详细介绍了机器学习中比较热门的半监督学习的各种方法，是一本很经典的半监督学习的书籍。
Supervised Learning （监督学习）与 Unsupervised Learning （非监督学习）
www6130911的博客
07-20 4415
Supervised Learning （监督学习）         对具有概念标记（分类）的训练样本进行学习，以尽可能对训练样本集外的数据进行标记（分类）预测。这里，所有的标记（分类）是已知的。因此，训练样本的岐义性低。         监督学习是训练神经网络和决策树的最常见技术。这两种技术（神经网络和决策树）高度依赖于事先确定的分类系统给出的信息。   E.g.房屋价格预测-回归(Re...
NLP：预训练+转移学习
Puzzle的博客
08-12 1658
以情感分析(supervised)为例，探究一直以来是如何解决该NLP任务的？ 2013年 1️⃣randomly initialize the model params （这些参数都是从头开始学习，模型需要从少量的标注数据集中学习语言的运作方式 2️⃣ update all params by backprop using cross entropy loss from labeled training set 2014 ~ 2017 年 Why train everythi...
深度学习（十六）unsupervised learning
qq_43533956的博客
11-27 316
李宏毅老师课程链接 unsupervised learning最常见的两个用途，分别是clustering和generation。 clustering的一种方法是k等分，具体方法如下图。 还有一种方法是层次聚类。 大概方法是把找到所有数据中最接近的两个，算出它们的平均数并用它替代原来的两数据，循环迭代直到根节点。 这样建立了一个多层的树，根据不同的标准可以分出不的类。比如用红线分割，则123为一类，45为另一类；用蓝线分割，则12，3，45各为一类。 ...
李宏毅机器学习——学习笔记（12） Un-supervised Learning-Linear methods
m0_37757740的博客
04-03 445
Un-supervised Learning 分为两类： （1）聚类 & 降维（化繁为简）：将多个输入抽象成一种类型 （2）Generation（无中生有）：输入一个code，得到一个样本 聚类中最常用的方法有： （1）k-means：a.随机初始化k个类的中心点；b.每个样本以最靠近的中心点的所属类为类标签；c.根据新得到的分类更新中心点；d.重复步骤b、c，直到模型收敛。 （2）Hi...
如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)
Duke__Lee的博客
08-26 1643
如何区分监督学习(supervised learning)和非监督学习(unsupervised learning) 机器学习的常用方法中，我们知道一般分为监督学习和非监督学习。（当然还有半监督） l 监督学习：监督学习，简单来说就是给定一定的训练样本（这里一定要注意，这个样本是既有数据，也有数据相对应的结果），利用这个样本进行训练得到一个模型（可以说就是一个函数），然后利用这个模型，将...
【吴恩达机器学习笔记】003 无监督学习（Unsupervised Learning）
水亦心的博客
05-03 1万+
一、无监督学习引入                   观察上面左边的图，该图是监督学习的分类问题，在监督学习中，数据集中的每个样本有相应的“正确答案”，即被标为良性或者恶性肿瘤。根据这些样本做出预测。        再看右侧，和左侧的区别在于，不管是哪一类，都用相同的符号“圆圈”表示。也就是在右侧的图中，没有了分类。所有的数据是一样的，没有对错之分。我们只有一个数据集，没有人告诉我们什么是正确的...
李宏毅机器学习笔记10（Unsurpervised Learning02——Neighbor Embedding）
aomangyu0290的博客
08-16 450
Unsurpervised Learning Neighbor Embedding 1、什么是流形学习 2、LLE（Locally Linear Embedding） 3、LE（Laplacian Eigenmaps） 4、T-SNE（t Stochastic Neighbor Embedding） Auto-Encoder 1、什么是Auto-Encod...
机器学习之基础篇
dwenjie2016的博客
03-11 244
机器学习是一门交叉的学科，它涉及到统计学、概率论、凸分析、算法复杂度等多门学科。专门研究计算机怎么模拟人类或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。基本定义：机器学习是利用已有的数据开发一种算法，使计算机不需要外部指标，通过对数据的学习进行建模，而后利用建立好的模型和新的输入来进行预测。机器学习的应用：语音识别、自动驾驶、语言翻译、计算机视觉、推荐系...
无监督学习和稀疏编码
liangjiubujiu的博客
07-23 4360
教程 | 无监督学习中的两个非概率模型：稀疏编码与自编码器 2017-07-02 12:29 机器之心整理 作者：Ruslan Salakhutdinov 参与：Smith 「无监督学习」（Unsupervised Learning）现在已经成为深度学习领域的热点。和「有监督学习」相比，这种方法的最大优势就在于其无须给系统进行明确的标注（label）也能够进行学习。最近，在德国的图宾根...
Supervised Learning和Unsupervised Learning的区别
Book_Chan的专栏
06-05 4588
Supervised Learning 和Unsupervised Learning的区别主要在于给定的输入是否打了标签，是否
supervised learning
04-04
Supervised learning is a type of machine learning where the algorithm is trained on a labeled dataset, meaning that the input data is paired with the correct output or target variable. The goal of ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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