监督学习与非监督学习

什么是监督学习?百度百科的定义如下:

监督学习是指利用已知类别的样本调整分类器的参数,使其达到所要求性能的过程,也称监督训练。

监督学习是从标记的训练数据来推断一个的机器学习任务。

什么是非监督学习?百度百科的定义如下:

在机器学习,无监督学习的问题是,在未加标签的数据中,试图找到隐藏的结构。因为提供给学习者的实例是未标注的,因此没有错误或报酬信号来评估潜在的解决方案。

监督式学习,由已有的数据(包括输入数据和输出数据),训练出(建立)数学模型函数。然后可以把新的输入数据灌入数学模型函数,预测未来数据(输出数据)。数学模型函数的输出可以是一个连续的值,称为回归分析;输出可以是预测一个分类的标签,称为分类。回归分析是精确值预测,分类是归类。

例如,预测未来的房价价格的走势:根据已有的数据信息(房屋面积和价格数据),建立模型来预测一个未来的新房屋的价格的走势,这是回归分析;

例如,去医院看病,检查肿瘤是良性肿瘤还是恶性肿瘤,可以根据肿瘤大小来判断分类是良性还是恶性,这是分类在医学上的应用。

无监督学习常常用于数据挖掘,在大量无标签的大量数据中发现些什么。也就是说,只给输入数据,计算机通过学习的方式自动建立输入和输出之间的映射关系。

监督学习和非监督学习大致构成了机器学习。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181205G1153M00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券