网站的网络推广方案,摄影网站免费,哈尔滨电话本黄页,南通市网站建设我的完学习形式分类 1) 有监督学习
有监督学习#xff08;supervised learning#xff09;#xff0c;需要你事先需要准备好要输入数据#xff08;训练样本#xff09;与真实的输出结果#xff08;参考答案)#xff0c;然后通过计算机的学习得到一个预测模型#xff0c;再用… 学习形式分类 1) 有监督学习
有监督学习supervised learning需要你事先需要准备好要输入数据训练样本与真实的输出结果参考答案)然后通过计算机的学习得到一个预测模型再用已知的模型去预测未知的样本这种方法被称为有监督学习。这也是是最常见的机器学习方法。简单来说就像你已经知道了试卷的标准答案然后再去考试相比没有答案再去考试准确率会更高也更容易。
2) 无监督学习
理解了有监督学习那么无监督学习理解起来也变的容易。所谓无监督学习unsupervised learning就是在没有“参考答案”的前提下计算机仅根据样本的特征或相关性就能实现从样本数据中训练出相应的预测模型。 预测结果分类 根据预测结果的类型我们可以对上述学习形式做具体的问题划分这样就可以具体到实际的应用场景中比如有监督学习可以划分为回归问题和分类问题。如果预测结果是离散的通常为分类问题而为连续的则是回归问题。
1) 回归分类
连续和离散是统计学中的一种概念全称为“连续变量”和“离散变量”。比如身高从 1.2m 到 1.78m 这个长高的过程就是连续的身高只随着年龄的变化一点点的长高。那么什么是“离散变量”呢比如超市每天的销售额这类数据就是离散的因为数据不是固定可能多也可能少。关于什么是“回归”和“分类”在后续内容中会逐步讲解。
2) 聚类
无监督学习是一种没有“参考答案”的学习形式它通过在样本之间的比较、计算来实现最终预测输出比如聚类问题那什么是“聚类”其实可以用一个成语表述“物以类聚人以群分”将相似的样本聚合在一起后然后进行分析。关于聚类也会在后续内容中逐步讲解。
