机器学习中的监督学习与无监督学习

敬请关注人工智能AI之机器学习公众平台

人工智能AI

AI让机器智慧起来,让你的生活便捷起来

开篇第三讲

机器学习中的监督学习与无监督学习

1

机器学习的分类

机器学习分为监督学习、无监督学习、半监督学习,其中半监督学习相当于监督学习和无监督学习的有机结合,暂不详述。

2

何为监督学习

监督学习是指用带有label的样本数据训练model的一种机器学习模式。这里的label其实很好理解,就是某个样本数据的类别,也就是说每个样本数据属于哪一类是已知的,model学习的是数据和它的label。而监督学习要做的工作是,对没有label的测试样本数据赋予label或者赋予其属于某label的概率。

3

何为无监督学习

无监督学习则与监督学习相反,它是指用无label的样本数据训练model的一种机器学习模式。也就是说在训练model前每个样本数据属于哪一类是不知道的,but无监督学习同样可以进行测试数据的分类工作,model可以度量每个无label数据间的差异从而根据其差异大小进行分类,至于分成几类、每类是什么model不关心,但是可以人为设置(厉害了我的哥)。

4

两者的适用场合

监督学习一般应用在专家经验丰富、可以人为对训练数据贴label的场合,比如要做一个区别苹果和橙子的识别系统就可以用监督学习,因为我们知道苹果和橙子长什么样,区别是什么,自然可以轻易贴label。监督学习的算法主要有SVM、KNN、神经网络、逻辑回归logistic regression等。

无监督学习一般应用在缺乏专家经验的场合,最经典的算法就是聚类,而我们平时常见的推荐系统、信息检索就是用聚类做成的,一个简易的推荐系统原理如下图所示:

5

总结

监督学习和无监督学习均有各自擅长的领域,根据你的领域选择适合的学习方式,这样才能提高机器学习的准确性!

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20180108G0FFWH00?refer=cp_1026

同媒体快讯

相关快讯

扫码关注云+社区