机器学习的不同学习方式

1:监督学习

（1）监督学习是使用已知正确答案的示例来训练网络。已知数据和其一一对应的标签，训练一个模型，将输入数据映射到标签的过程。

（2）监督学习常见的应用场景为分类问题和回归问题。

 

2:无监督学习

（1）在无监督学习中，数据没有被特别标识，适用于存在数据集，但是无标签的情况。训练一个模型可以推断出数据的一些隐藏的结构。

 

3:半监督学习

（1）半监督学习使用大量的未标记数据，以及同时使用标记数据，来进行模式识别工作。当使用半监督学习时，将会要求尽量少的人员来从事工作，同时，又能够带来比较高的准确性。

 

4:弱监督学习

（1）监督学习技术通过学习大量训练样本来构建预测模型，其中每个训练样本都有一个标签标明其真值输出。尽管当前的技术已经取得了巨大的成功，但是值得注意的是，由于数据标注过程的高成本，很多任务很难获得如全部真值标签这样的强监督信息。因此，能够使用弱监督的机器学习技术是可取的。本文综述了弱监督学习的一些研究进展，主要关注三种弱监督类型：不完全监督：只有一部分训练数据具备标签；不确切监督：训练数据只具备粗粒度标签；以及不准确监督：给出的标签并不总是真值。

（2）论文传送门：A brief introduction to weakly supervised learning