1.有监督学习
有监督学习是用已知某种或某些特性的样本作为训练集,建立数学模型,并用建立的模型来预测未知的样本。
有监督学习的最关键的是从标签化的数据集中推断出模型机器学习任务。
通俗的讲,标签就是特征,给数据打标签就是告诉计算机这么多的特征是在描述什么。
2.无监督学习
既然了解了有监督学习,那么无监督学习也就跃然纸上,我们习惯将通过特征信息归纳新规律的方法称之为无监督学习。
无监督学习的任务是推断出数据的一些内存结构,但是容易因为人的主观臆想导致推断结果出现偏差。
3.半监督学习
顾名思义,半监督学习即为一半有一半无
就是通过少量的标注样本和大量的未标注样本进行训练和分类,通过这种方式将有监督学习和无监督学习进行结和而产生的方法,我们称之为半监督学习。