监督学习与非监督学习
1、监督学习
是有特征和标签的,即便是没有标签的,机器也是可以通过特征和标签之间的关系,判断出标签。监督学习是通过训练让机器自己找到特征和标签之间的联系,在以后面对只有特征而没有标签的数据时可以自己判别出标签。相当于给定数据,预测标签。
常见的有监督学习算法:回归分析和统计分类。
2、非监督学习
由于训练数据中只有特征没有标签,所以就需要自己对数据进行聚类分析,然后就可以通过聚类的方式从数据中提取一个特殊的结构。输入的数据没有标记,也没有确定的结果,只有特征,没有标签。
无监督学习的方法分为两大类:
(1) 一类为基于概率密度函数估计的直接方法:指设法找到各类别在特征空间的分布参数,再进行分类。
(2) 另一类是称为基于样本间相似性度量的简洁聚类方法:其原理是设法定出不同类别的核心或初始内核,然后依据样本与核心之间的相似性度量将样本聚集成不同的类别。
3、区别
两者的根本区别是训练数据中是否有标签,监督学习的数据既有特征又有标签,而非监督学习的数据中只有特征而没有标签。
相关推荐
horizonheart 2020-05-09
wonner 2020-05-09
datongmuyile 2011-12-02
五小郎的学习笔记 2019-06-28
FZUrxd 2019-10-23
chenyuping 2020-10-30
qijiqiguai 2020-10-09
绝望的乐园 2020-09-02
hhycsdn 2020-08-16
LuqiangShi 2020-08-14
优化算法 2020-06-19
Hannah 2020-06-09
baike 2020-06-08
燕哥带你学算法 2020-05-12
RememberMePlease 2020-05-12
清溪算法君老号 2020-05-11
rein0 2020-05-11
yuanran0 2020-05-10