本文是深度学习500问的读书笔记，介绍了监督学习、非监督学习、半监督学习和弱监督学习的基本概念和应用场景。监督学习通过已知的正确答案训练模型，如逻辑回归和神经网络；非监督学习则在无标签数据中寻找内在结构，如Apriori和k-Means算法。半监督学习结合标记和未标记数据，而弱监督学习处理标签不完整或不确定的情况。
这是深度学习500问系列笔记之一，帮助我深入记忆知识，如有不足，随时欢迎交流和探讨。
3.监督学习、非监督学习、半监督学习、弱监督学习？
根据数据类型的不同，对一个问题的建模有不同的方式。根据不同的学习方式和输入数据，机器学习主要分为以下四种学习方式。
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，训练一个智能算法，将输入数据映射到标签的过程；
②监督式学习的常见应用场景如分类问题和回归问题；
③常见的算法有逻辑回归（Logistic Regression）和反向传递神经网络（Back Propagation Neural Network）。
比如我目前方向是视觉问答（VQA）就是监督学习。
非监督学习：
①在非监督式学习中，数据并不被特别标识ÿ
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
