监督与非监督学习
吴恩达解释:
监督学习:
其基本思想是数据集中的每个样 本都有相应的 “正确答案 ”。再根据这些样本作出预测 。
无监督学习:
没有任何标签或有相同的标签,把数据分为不同簇:
例如:谷歌新闻,分析特定基因,鸡尾酒宴问题
《Deep Learning with Python》解释:
监督学习:
最常见的一种机器学习类型。给定一组样本(通常由人工标注),它可以学会将输入数据映射到已知目标(也叫标注)
二分类,多分类,标量回归都是监督学习
无监督学习:
在没有目标的情况下寻找输入数据的有趣变换,其目的在于数据可视化,数据压缩,数据去噪或更好地理解数据中相关性。
无监督学习可以使我们更了解数据集,在解决监督学习问题前通常是必要的步骤。