监督式神经网络
在监督学习中,我们会得到一个数据集,并且已经知道我们的正确输出应该是什么样子的,因为我们认为输入和输出之间是有关系的。
监督学习问题分为回归问题和分类问题。在回归问题中,我们试图在连续输出中预测结果,这意味着我们试图将输入变量映射到某个连续函数。在分类问题中,我们试图预测离散输出的结果。换句话说,我们试图将输入变量映射到离散类别中。
以下是一些监督学习的例子
有不同类型的神经网络,例如常用于图像应用的卷积神经网络(Cnn)和用于一维序列数据的递归神经网络(Rnn)。如英译汉或时间的组成部分,如文本。在自主驾驶方面,它是一种混合神经网络结构。
结构化数据与非结构化数据
结构化数据是指具有定义意义的事物,如价格、年龄,而非结构化数据指的是像素、原始音频、文本等。