训练数据(train)+验证数据(valid)、ESN的监督学习与无监督学习

训练数据(train)+验证数据(valid)：建立模型

测试数据：检查模型，测试精确度

训练集（train）：帮助训练模型，确定拟合曲线的参数

验证集（valid）：模型选择，辅助模型构建（可选）

column列 row行

x1 x2	y
-	-
–	–

• 监督学习与无监督学习
  监督学习：从标记的训练数据来推断一个功能的机器学习任务
  无监督学习：所有数据没有标记，但会呈现出聚群的结构，从而学习数据的分布或之间的关系
  强化学习：一种决定下一步行动方案的机器学习任务，通过试错学习来实现这一目标，努力使回报最大化

  一个可以用于监督学习的数据集（可以执行回归或分类）同时包含X、Y
  一个可以用于无监督学习的数据集，将只有X

  ESN的训练方式

  ESN的训练方式可以分为两种。
  1、无监督训练，仅考虑网络的输入变量，与目标输出无关，整个训练过程可以看作是对储备池状态变量度量的优化；
  2、有监督训练，训练基于与网络的输入变量和目标输出，目的是使网络的输出差异 性最小。
  ESN网络的典型有监督训练过程可表示为：
  ①先将输入的权值矩阵Win和储备池 的权值矩阵W随机生成
  ②再把样本数据输入到储备池中，并激活储备池内的处理单元生成状态变量
  ③最后分别收集储备池生成的状态变量和目标输出变量，利用线性回归求得使均方误差最小的Wout。

• 此外
  如Y包含定量值，那么数据集可用于执行回归任务；Y包含定性值，那可用于分类任务