机器学习笔记——监督学习,无监督学习,半监督学习

本文介绍了机器学习中的监督学习、无监督学习和半监督学习的概念。监督学习通过已知标签的训练数据得到最优模型,如KNN、SVM等;无监督学习在无标签数据中寻找模式,如聚类;半监督学习结合少量有标签数据和大量无标签数据进行学习。选择学习方法的关键在于是否拥有标注数据。
摘要由CSDN通过智能技术生成

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。

什么是学习(learning)?

学习: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。机器学习的思路也类似:我们能不能利用一些训练数据(已经做过的题),使机器能够利用它们(解题方法)分析未知数据(高考的题目)?

 

什么是监督学习?

监督学习(supervised learning)通过已有的训练样本(即已知数据以及其对应的输出)来训练

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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