監督學習和非監督學習

監督學習：

監督學習就是分類，把人們已經處理好的訓練樣本（即已知資料和對應輸出）給計算機，計算機通過規律訓練出乙個最佳模型，再用這個模型對輸入的資料進行分類，得出對應的輸出。

從而使計算機具有對未知資料進行分類的功能。

特點：目標明確

需要帶標籤的訓練樣本

分類效果很容易評估

非監督學習：

非監督學習沒有訓練樣本，人們把資料輸入到計算機，計算機直接對資料進行建模，不用知道類別是什麼，只是把相似度高的東西歸到乙個類。

特點：沒有明確目標

不需要帶標籤的資料

分類效果難以評估

監督學習和無監督學習 監督學習與非監督學習

監督學習 supervised learning 的任務是學習乙個模型，使模型能夠對任意給定的輸入，對其相應的輸出做出乙個好的 即 利用訓練資料集學習乙個模型，再用模型對測試樣本集進行 例如kaggle上的鐵達尼號比賽。官方提供旅客資料 資料集1 姓名，年齡，性別，社會經濟階層，是否生存等 要求參賽...

監督學習和非監督學習

重新看一遍ng的機器學習課程，第一次寫讀書筆記，希望能夠堅持下來！對於監督學習，首先來看乙個例子，如下圖.圖中的資料來自r語言中的boston資料集，其中lstat軸表示地位較低的人口比重，medv軸表示median value of owner occupied homes in 1000s。如果...

監督學習，無監督學習和半監督學習

監督學習 supervised learning 無監督學習 unsupervised learning 半監督學習 semi supervised learning 2 概念 監督學習 用一部分已知分類 有標記的樣本來訓練機器後，讓它用學到的特徵，對沒有還分類 無標記的樣本進行分類 貼標籤。一句話...