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XESN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