前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【ML】机器学习的不同类型

【ML】机器学习的不同类型

作者头像
陆勤_数据人网
发布2018-12-25 17:58:04
7710
发布2018-12-25 17:58:04
举报
文章被收录于专栏:数据科学与人工智能

笔者邀请您,先思考:

1 机器学习有哪些类型?如何理解?

有监督的和无监督的主要是由许多机器学习工程师和数据极客使用。

强化学习对于解决问题非常强大且复杂。

有监督学习

上期文章我们知道,机器学习以数据为输入,我们称这个数据为训练数据

训练数据包括输入和标签(目标)。

什么是输入和标签(目标)?例如,两个数字相加a=5,b=6结果=11,输入为5,6,目标为11。

我们首先用大量的训练数据(输入和目标)来训练模型。 然后利用新数据和我们之间获得的逻辑来预测输出

(注:我们不能得到准确的6作为答案,我们可以得到接近6的值,基于训练数据和算法)

这个过程被称为监督学习,它非常快速和准确

回归:这是我们需要预测连续响应值的一类问题(例如:上面我们预测的数字可以从-∞变化到+∞)

一些示例

  • 一个城市的房价是多少?
  • 股票的价值是多少?
  • 一场板球比赛可以有多少分?

等等,我们可以预测很多事情。

分类:这是一类我们预测类别响应值的问题,数据可以被分成特定的“类”(例如:我们预测一组值中的一个值)。

一些例子是:

  • 这封邮件是不是垃圾邮件?
  • 今天会下雨吗?
  • 这张照片到底是不是一只猫?

基本上,“是/否”类型的问题被称为二元分类。

其他例子包括:

  • 这封邮件是垃圾邮件、重要邮件还是促销邮件?
  • 这幅画是猫、狗还是老虎?

这种类型称为多类分类

这是最后一张图片。

这就是监督学习的全部内容。

无监督学习

训练数据不包括目标,所以我们不告诉系统去哪里,系统必须从我们给出的数据中了解自己。

这里的训练数据不是结构化的(包含噪声数据、未知数据等)。

例如:来自不同页面的随机文章

无监督学习也有不同的类型,比如聚类和异常检测(聚类非常有名)。

聚类:这是一种把相似的东西聚在一起的问题。 有点类似于多类分类,但这里我们不提供标签,系统从数据本身理解和聚类数据。

一些例子是:

  • 给定新闻文章,将其聚合成不同类型的新闻
  • 给定一组tweets,根据tweets的内容进行聚类
  • 给定一组图像,将它们聚成不同的对象

无监督学习是一种较难实现的学习方法,其应用范围不及有监督学习。

我想在另一篇文章中介绍强化学习,因为它很激烈。 所以

这就是这个文章的全部内容,希望你能有所了解。

在下一篇文章中,我想谈谈第一个机器学习算法线性回归与梯度下降

拜拜!

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-12-11,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 数据科学与人工智能 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 有监督学习
  • 无监督学习
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档