机器学习--监督模式和非监督模式

监督学习
理解:让计算机学习我们已经建立好的系统。例如训练神经网络和决策树都需要监督学习来完成。简单的说比如购物,可选项是价格是否能接受,这个产品对自己是否有好处等等一些。
无监督学习
理解:不告诉计算机怎么去完成,让计算机自己去学习怎样做一些事情。非监督学习一般有两种思路。

第一种思路是在指导Agent时不为其指定明确的分类,而是在成功时采用某种形式的激励制度。需要注意的是,这类训练通常会置于决策问题的框架里,因为它的目标不是产生一个分类系统,而是做出最大回报的决定。

一种次要的非监督学习类型称之为聚合(原文为clustering,译者注)。这类学习类型的目标不是让效用函数最大化,而是找到训练数据中的近似点。聚合常常能发现那些与假设匹配的相当好的直观分类。例如,基于人口统计的聚合个体可能会在一个群体中形成一个富有的聚合,以及其他的贫穷的聚合。

半监督学习
理解:半监督学习有两个样本集,一个有标记,一个没有标记, 两者都使用,我们希望在1中加入无标记样本,增强有监督分类的效果;同样的,我们希望在2中加入有标记样本,增强无监督聚类的效果。
—–摘自http://blog.csdn.net/yhdzw/article/details/22733371

通俗的说就是 是否上培训机构学习,去了就是利用已有教学模式学习,不去就是无监督学习,自己进行摸索。通过对工作是否有用来判断是否选择正确的学习模式。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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