监督学习和无监督学习的区别

最新推荐文章于 2024-07-18 23:15:00 发布
最新推荐文章于 2024-07-18 23:15:00 发布
阅读量721 收藏 1
点赞数
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u014128608/article/details/94032023
版权

监督无监督

根据训练数据是否有标签，学习任务可大致划分为“监督学习”和“无监督学习”。

监督学习方法必须要有训练集与测试样本。利用训练数据集学习一个模型，再用模型对测试样本集进行预测。

无监督学习没有训练集，只有一组数据，在该组数据集内寻找规律。试图使簇内差距最小化，簇间差距最大化。

距离度量

p=1  曼哈顿距离

p = 2  欧式距离

p=\infty 切比雪夫距离

余弦距离

 

 

Avada__Kedavra
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习——监督学习和无监督学习的区别
SeanYBLL的博客
08-05 8026
前言 机器学习分为：监督学习，无监督学习，半监督学习（也可以用hinton所说的强化学习）等。 在这里，主要理解一下监督学习和无监督学习。 监督学习（supervised learning） （1）从给定的训练数据集中学习出一个函数（模型参数），当新的数据到来时，可以根据这个函数预测结果。 （2）监督学习的训练集要求包括输入输出，也可以说是特征和目标。训练集中的目标是由人标注的。（3）监督学习就是...
无监督学习与监督学习的区别
weixin_42218868的博客
10-09 1628
1、什么是无监督学习？ 无监督学习是机器学习技术中的一类，用于发现数据 中的模式。利用 学习数据的分布或数据与数 据之间的关系被称作无监督学习。 2、无监督学习代表算法： 1、k-means算法（聚类算法） 3、什么是监督学习? 监督学习描述的任务是：当给定输入x,如何通过在有标注输入和输出的数据上训练模型而能够预测输出y 1、通过带有标签的...
机器学习两种方法——监督学习和无监督学习（通俗理解）
热门推荐
风翼冰舟的博客
09-19 13万+
监督学习与无监督学习
监督学习和无监督学习的区别（机器学习）
MZ21G的博客
12-05 7176
机器学习主要分为两类 监督学习 无监督学习 两者的区别主要是是否需要人工参与数据结果的标注 监督学习：教计算机如何去完成预测任务（有反馈），预先给一定数据量的输入和对应的结果即训练集，建模拟合，最后让计算机预测未知数据的结果。 监督学习一般有两种 回归问题 就是给出一系列数据然后预测任意想要的数据，比如给出了一系列的房屋面积-价格数据，根据这些数据来预测任意面积的房屋价格。给出照片-年龄数...
监督学习与无监督学习的区别
weixin_45735391的博客
01-10 574
目录机器学习与深度学习监督学习与无监督学习 机器学习与深度学习 机器学习可以被定义为从数据中总结经验，从数据中找出某种规律或者模型，并利用这些经验、规律或者模型来解决实际问题。机器学习算法主要包括决策树、聚类、贝叶斯分类、支持向量机、随机森林等。按照学习方法的不同进行划分，机器学习算法可以分为监督学习、无监督学习、半监督学习、集成学习、深度学习和强化学习。 深度学习是机器学习的一个分支，是一种实现机器学习的技术。深度学习本来并不是一种独立的学习方法，但由于近几年该技术发展迅猛，一些特有的学习手段和模型相继
监督学习、无监督学习与强化学习
04-02
监督学习、无监督学习与强化学习
无监督学习之PCA降维
01-21
无监督学习：通过无标签的数据，学习数据的分布或数据与数据之间的关系。 1. 降维算法 1 定义：用低维的概念去类比高维的概念．将高维的图形转化为低维的图形的方法。 1.1. 算法模块 ：PCA算法、NMF（非负矩阵分解）...
计算机视觉-无监督学习人脸识别降维
01-26
含ipynb文件和数据文件。代码内容详细，有注释，适合有python基础的深度学习新手。 数据来自耶鲁大学人脸数据库B+。 代码在ubuntu18.04下使用python3.9编写，运行时采用GPU运行。如无GPU，可自行将cupy换成numpy运行...
机器学习，监督学习，无监督学习，推荐系统
02-26
推荐系统的实现通常涉及多种机器学习方法，如矩阵分解、深度学习模型，甚至结合监督和无监督学习。 深度学习是近年来机器学习领域的一大突破，它模仿人脑神经网络的结构和功能。深度学习模型，如卷积神经网络（CNN...
Pytorch 实现自编码无监督学习.zip
01-22
自编码器（Autoencoder）是一种无监督学习方法，主要用于数据降维、特征...通过`autoencoder.ipynb`和`autoencoder.py`，你可以深入学习自编码器的工作原理和实践应用，进一步提升在深度学习和无监督学习领域的技能。
有监督学习和无监督学习的区别
蒋志伟
06-30 296
有监督学习：对具有概念标记（分类）的训练样本进行学习，以尽可能对训练样本集外的数据进行标记（分类）预测。这里，所有的标记（分类）是已知的。因此，训练样本的岐义性低。   无监督学习：对没有概念标记（分类）的训练样本进行学习，以发现训练样本集中的结构性知识。这里，所有的标记（分类）是未知的。因此，训练样本的岐义性高。聚类就是典型的无监督学习       机器学习中的方法或范式（para...
监督学习和无,监督学习区别
htw
12-04 4999
开始学习ML，真是难为自己的低智商了~ 一翻书就遇到一个概念问题：何为监督学习？与无监督学习的区别？ 因为自己刚刚开始学ML，所以可能解释的会有些不当。（集齐了各种网上答案） 首先看什么是学习（learning）？一个成语就可概括：举一反三。此处以高考为例，高考的题目在上考场前我们未必做过，但在高中三年我们做过很多很多题目，懂解题方法，因此考场上面对陌生问题也可以算出答案。机器学习的...
一文读懂：无监督学习与有监督学习的区别与应用
最新发布
weixin_42132035的博客
07-18 1103
无监督学习和有监督学习是机器学习中的两大重要方法，各有其独特的优势和应用场景。通过理解这两者的区别和应用，你可以更好地选择和应用合适的算法，解决实际问题。希望本文对你有所帮助，让你在机器学习的道路上走得更远更顺利！
什么是监督学习和无监督学习？它们有什么区别？
njhhuuuby的博客
06-25 1628
监督学习（Supervised Learning）和无监督学习（Unsupervised Learning）是机器学习中两种基本的学习范式，它们有以下区别：监督学习：无监督学习：总结：
监督学习和无监督学习
weixin_43763292的博客
06-18 1万+
cv::ml::KNearest：K最近邻（K-Nearest Neighbors）是一种基于实例的学习方法，它通过计算输入样本与训练样本之间的距离来进行分类。cv::ml::RTrees类是随机森林的实现，它支持二叉和多叉决策树，提供了参数用于控制森林的大小和生长。cv::ml::Boost类实现了Boosting算法，支持二分类和多分类任务，并提供了参数用于控制弱分类器的数量和类型。cv::ml::DTrees：决策树（Decision Trees）是一种常见的机器学习算法，用于分类和回归问题。
监督学习与非监督学习的区别
j_m_j_m的博客
06-02 704
以下是摘抄自http://www.cnblogs.com/peizhe123/p/4626903.html 这个问题可以回答得很简单：是否有监督（supervised），就看输入数据是否有标签（label）。输入数据有标签，则为有监督学习，没标签则为无监督学习 首 先看什么是学习（learning）？一个成语就可概括：举一反三。此处以高考为例，高考的题目在上考场前我们未必做过，但在高中
【无监督学习和有监督学习的区别】
雪丫头的博客
03-31 1万+
1、有监督学习：通过已有的训练样本去训练得到一个最优模型，再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现预测和分类的目的，也就具有了对未知数据进行预测和分类的能力。就如有标准答案的练习题，然后再去考试，相比没有答案的练习题然后去考试准确率更高。又如我们小的时候不知道牛和鸟是否属于一类，但当我们随着长大各种知识不断输入，我们脑中的模型越来越准确，判断动物也越来越准确。 有监督学习可分为回归和分类。 回归：即给出一堆自变量X和因变量Y，拟合出一个函数，这些自变量X就是特征向量，因变量Y
监督学习和非监督学习的区别
Lenskit
04-23 3万+
如果我们想要预测的是离散值，例如“好瓜”“坏瓜”，此类学习任务称为“分类”；如果想要预测的是连续值，例如西瓜成熟度0.95、0.37，此类学习任务称为“回归”。     学得模型后，使用其进行预测的过程称为“测试”，被预测的样本成为“测试样本”。例如在学得f后，对测试例x，可得到其预测标记y=f(x)。     我们还可以对西瓜做“聚类”，即将训练集中的西瓜分为若干组，每组称为一个“簇”；这些
监督学习与无监督学习
chp的博客
09-20 257
目录监督学习无监督学习 监督学习 监督学习是算法的训练集已经提前分好了类别，训练集有标签 比较常见的是分类问题和回归问题 常见的算法： KNN、回归问题 无监督学习 无监督学习的样本是不包含标签信息的，只有一定的特征，所以由于没有标签信息，学习过程中并不知道分类结果是否正确。 常见算法： K-means算法 ...
监督学习和无监督学习区别
03-30
监督学习和无监督学习是机器学习中两种最基本的学习方法，它们的区别主要在于以下几个方面： 1. 监督学习需要有标签数据，而无监督学习不需要。监督学习需要训练数据中包含已知的输入和输出对应关系，即训练数据中包含每个输入数据对应的正确输出结果。而无监督学习则是在没有标签的情况下对数据进行学习和聚类，直接对数据本身进行分析和处理。 2. 监督学习和无监督学习的目的不同。监督学习的目的是通过学习已知输入和输出之间的关系来预测未知数据的输出结果，例如分类、回归等问题。而无监督学习的目的是找到数据中的模式和结构，例如聚类、降维等问题。 3. 监督学习和无监督学习的方法不同。监督学习通常使用分类、回归等算法，通过学习已知的输入和输出之间的关系来预测未知数据的输出结果。而无监督学习通常使用聚类、降维等算法，通过对数据本身进行分析和处理来找到数据中的模式和结构。 4. 监督学习和无监督学习的应用场景不同。监督学习适用于需要进行分类、预测等任务的场景，例如图像识别、自然语言处理等。而无监督学习适用于需要进行数据分析和处理的场景，例如数据挖掘、异常检测等。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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