监督学习和无监督学习

最新推荐文章于 2023-03-09 17:31:56 发布
最新推荐文章于 2023-03-09 17:31:56 发布
阅读量322 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/BLvren_/article/details/88540561
本文探讨了机器学习中的两大核心任务：监督学习与无监督学习。监督学习利用已标记的数据进行训练，以预测未知数据的结果；无监督学习则在没有正确答案的情况下，寻找数据的内在结构和规律。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

根据训练数据是否拥有标记信息，学习任务可以大致分为两大类：

  • 监督学习           （训练集拥有正确答案）
  • 无监督学习        （训练集没有正确答案）
有监督学习和无监督学习区别？
优快云 精品推荐
08-09 1073
有监督学习和无监督学习分别关注于预测和发现数据的不同方面。它们在解决不同类型的问题时具有不同的应用和优势，通常可以在不同的任务中相互补充和结合使用。
机器学习笔记--监督学习和无监督学习全面总结（原理、示意图、代码）
qq_44815135的博客
01-21 2万+
本文为大家总结了监督学习和无监督学习中常用算法原理简单介绍，包括了代码的详细详解，是机器学习的入门学习，同时也是AI算法面试的重点问题。主要包括线性回归、逻辑回归、决策树、朴素贝叶斯、k近邻算法、SVM、PCA、K-Meams等。
无监督学习与有监督学习的本质区别是什么_有监督学习和无监督学习的区别
weixin_39618956的博客
11-23 517
有监督学习：对具有标记的训练样本进行学习，以尽可能对训练样本集外的数据进行分类预测。（ LR,SVM,BP,RF,GBDT）无监督学习：对未标记的样本进行训练学习，比发现这些样本中的结构知识。 (KMeans,DL)欢迎关注我的公众号，第一时间追踪相关面试题和总结：百面机器学习。回复干货获取相关资料和面试题总结(定期更新)http://weixin.qq.com/r/QnX27l3EjgDxrRm...
有监督学习和无监督学习的区别
蒋志伟
06-30 356
有监督学习：对具有概念标记（分类）的训练样本进行学习，以尽可能对训练样本集外的数据进行标记（分类）预测。这里，所有的标记（分类）是已知的。因此，训练样本的岐义性低。   无监督学习：对没有概念标记（分类）的训练样本进行学习，以发现训练样本集中的结构性知识。这里，所有的标记（分类）是未知的。因此，训练样本的岐义性高。聚类就是典型的无监督学习       机器学习中的方法或范式（para...
机器学习笔记-西瓜书第一章，第二章
weixin_43182899的博客
08-15 611
1.机器学习大致分类： 根据训练数据是否拥有标记信息，学习任务可大致划分为两大类： 监督学习( supervised learning)：代表：分类(classification)，回归(regression).其中分类预测的是离散值，例如二分类问题；而回归则预测的是连续值。 无监督学习( unsupervised learning)：代表：聚类(clustering) 2.泛化能力 泛化能力 (generalization) 通俗来讲就是指学习到的模型对未知数据的预测能力。在实际情况中，我们通常通过测试误
机器学习中的监督学习和非监督学习有什么区别？
m0_60720471的博客
03-09 847
监督学习是一种有监督的学习方法。在这种方法中，我们提供了带有标签（即正确答案）的训练数据集。算法在学习过程中会根据输入数据和相应的标签之间的关系来构建模型，最终用于预测未标记数据的标签。监督学习的例子包括分类和回归问题。
周志华《机器学习》第一章读书笔记以及课后习题答案
qq_42364307的博客
11-30 1612
读书笔记 1.根据训练数据是否拥有标记信息，学习任务可大致分两类 学习任务 代表 监督学习 分类，回归 无监督学习 聚类 2.学得模型适用于新样本的能力，称为“泛化”能力。 3.假设空间和版本空间 例题的假设空间由3部分组成 ①色泽，根蒂，敲声分别有3,3,3种取值 ②色泽，根蒂，敲声取什么值都合适，我们使用通配符“*”来表示，所以取值分别用1,1,1表示 ③还有一种极端情况，有可能“ 好瓜 ”这个概念根本就不成立，世界上压根就没有“好瓜”这种东西，我们用Ø表示这个假设 所以假设空间
R语言中机器学习基础与实战：监督学习和无监督学习的应用
最新发布
11-20
内容概要：文章系统地介绍了R语言在机器学习领域的应用，涵盖监督学习和无监督学习的主要技术，详细讲解了几种常用的算法如逻辑回归、SVM、决策树、随机森林、线性回归等。此外，还讨论了模型评估与选择方法以及...
机器学习两种方法——监督学习和无监督学习(通俗理解).pdf
07-09
监督学习和无监督学习是机器学习中的两种主要方法，它们各有特点，应用场景也有所不同。 监督学习是一种有标签的学习方式，它需要一个带有正确答案（标签）的训练数据集。在监督学习中，算法的目标是从训练数据中...
我的机器学习笔记(一)-监督学习vs无监督学习
02-25
在监督学习中，给定一组数据，我们知道正确的输出结果应该是什么样子，并且知道在输入和输出之间有着一个特定的关系。这么说可能理解起来不是很清晰，没关系，后面有具体的例子。监督学习可分为“回归”和“分类”...
监督学习和非监督学习的区别
Lenskit
04-23 3万+
如果我们想要预测的是离散值，例如“好瓜”“坏瓜”，此类学习任务称为“分类”；如果想要预测的是连续值，例如西瓜成熟度0.95、0.37，此类学习任务称为“回归”。     学得模型后，使用其进行预测的过程称为“测试”，被预测的样本成为“测试样本”。例如在学得f后，对测试例x，可得到其预测标记y=f(x)。     我们还可以对西瓜做“聚类”，即将训练集中的西瓜分为若干组，每组称为一个“簇”；这些
机器学习两种方法——监督学习和无监督学习（通俗理解）
热门推荐
风翼冰舟的博客
09-19 13万+
监督学习与无监督学习
监督学习与非监督学习之间的区别
m0_37683606的博客
09-16 1万+
监督学习与非监督学习之间的区别 深度学习中会遇到常见的两个问题，一个是分类，一个是回归。 如果我们想要预测的值是一个离散的值，比如说物体识别，识别一个物体是猫还是狗，预测一张图片是美还是丑，还有手写数字辨识，这些都是分类的问题。但是如果我们想要预测的是一个连续的数值，比如说给一张图片进行评分，这就是回归问题。 有的时候我们还会对一些数据做聚类，就是我们可以通过某些聚类算法将某些相同类别的数据聚合在一起，形成一个簇，而这些自动生成的簇可能会存在一些潜在的相同特征，比如说这个簇里面的所有数据都指向 “猫” 的特
机器学习西瓜书学习记录-第一章 绪论
qq_46238275的博客
10-09 302
小白初学机器学习西瓜书学习记录
机器学习-西瓜书（周志华）笔记-基础概念
dihui5927的博客
04-23 392
基本概念 1.数据集：所有判断的依据集合称为数据集； 2.示例或样本：数据集中的每条记录是关于一个事件的或对象的描述 称为示例或样本 3.向量：由于空间中的每个点对应一个坐标向量，因此我们也把一个示例称为一个‘特征向量’； 4.训练：从数据中学的模型的过程称为‘学习’或‘训练’； 5.样例：拥有好标记信息的示例称为样例；比如 色泽=清 根蒂=硬挺 敲声=清脆 就是好瓜 ，‘好...
第一章 绪论（及部分课后习题）
second24的博客
07-07 5480
1.1 引言机器学习是一门这样的学科，它致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。在计算机系统中，“经验”通常以“数据”形式存在，所以，我们需要从数据中产生“模型”的算法，即“学习算法”。有了学习算法，我们把经验数据提供给它，它就能基于这些数据产生模型;在面对新的情况时，模型会给我们提供相应的判断。1.2 基本术语数据集一组记录的集合称为一个“数据集”，其中每条记录是关于一个事件或
什么是无监督学习
技术博客
09-05 2594
这个问题可以回答得很简单：是否有监督（supervised），就看输入数据是否有标签（label）。输入数据有标签，则为有监督学习，没标签则为无监督学习。 但根据知乎惯例，答案还是要继续扩展的。 首先看什么是学习（learning）？一个成语就可概括：举一反三。此处以高考为例，高考的题目在上考场前我们未必做过，但在高中三年我们做过很多很多题目，懂解题方法，因此考场上面对陌生问题也可以算
监督学习和无监督学习区别
03-30
监督学习和无监督学习是机器学习中两种最基本的学习方法，它们的区别主要在于以下几个方面： 1. 监督学习需要有标签数据，而无监督学习不需要。监督学习需要训练数据中包含已知的输入和输出对应关系，即训练数据中...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值