1、有监督:用有标签的数据训练;
2、无监督:用无标签的数据训练;
3、半监督:利用数据分布上的模型假设建立学习器对未标签样例进行标签。通常是两阶段的训练,先用(较小规模的)有标签数据训练一个Teacher模型,再用这个模型对(较大规模的)无标签数据预测伪标签,作为Student模型的训练数据;
4、自监督:在无标注数据上训练,通过一些方法让模型学习到数据的inner representation,再接下游任务,例如加一个mlp作为分类器等。但接了下游任务之后还是需要在特定的有标签数据上finetune,只是有时候可以选择把前面的层完全固定,只finetune后面接的网络的参数。自监督数据监督来源于数据本身,例如通过拼图方式构造。
5、弱监督:用包含噪声的有标签数据训练。
————————————————
版权声明:本文为CSDN博主「花花花哇_」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/sinat_39307513/article/details/118752838
人工智能,一句话区分有监督、半监督、无监督、弱监督、自监督
最新推荐文章于 2024-03-21 22:15:20 发布
本文详细介绍了机器学习中的四种主要监督学习类型:有监督、无监督、半监督和自监督,以及弱监督的概念。着重讨论了每种方法的训练过程和应用场景,包括自监督学习中内在表示的学习与下游任务的Fine-tuning。
摘要由CSDN通过智能技术生成