概述:监督学习(分类,回归)与无监督学习(聚类)

目录:

一、监督学习:

1.什么是监督学习:

  • 当前创造市场价值的机器学习中99%都是监督学习。
  • 监督学习是指学习从input到output映射的算法 ,监督学习的关键是开发者提供供模型训练示例
  • 在训练阶段开发者需给定输入input和正确的输出output供模型训练,模型从输入、输出对中学习之后,在预测阶段模型只需接收输入未知input就会给出合理的预测值output。

2.监督学习类型:

  1. 分类 Classification 有限种预测结果
  2. 回归 Regression 无限种预测结果
  • 区别:分类问题预测输出的是有限集合(输入肿瘤数据预测A、B、C类[有限类型]肿瘤);回归问题预测输出的是无限集合(输入负荷数据预测用电量值[∈R])。

二、无监督学习

1.什么是无监督学习:

  • 无监督学习是指开发者仅提供input输入,而不给定output真实值标签,由模型自主学习input中的数据集,给出数据中可能存在的模式或结构。
  • 例如:监督学习给出input:肿瘤大小、患者年龄,output:肿瘤类型,模型学习Input和output后再对未知的input预测其output。而无监督学习给出input:肿瘤大小、患者年龄,不提供output,模型仅学习input来获取数据中的一些模式(模型学习后可能会将数据分为好几组)。
  • 再例如:在监督学习时候,我可能会对模型说:"我现在给你历史病人的肿瘤数据input和这些肿瘤分别是什么类型的真实output,你需要学习他们,以便于你能帮我预测今天刚来检查肿瘤的病人,即给你他们的肿瘤数据你能帮我预测今天的病人肿瘤的类型";在非监督学习的时候,我可能会说:"我现在给你历史病人的肿瘤数据input,这些数据太多太杂乱了,你能学习一下然后找到这些历史肿瘤数据中的相关性并将他们归类吗"。
  • 监督学习需提供input和output,非监督学习仅提供input。监督学习和无监督学习的区别就在于是否提供output真实值标签供模型学习,是否带有对未知数据的预测性质。

2.无监督学习类型:

  1. 聚类 Clustering:模型根据开发者提供的input(而不提供标签)根据数据的相似度将数据分成多个组,例如谷歌通过聚类算法可以将每天的上万条新闻按照词条和相关度归类显示。(这里注意区分与监督学习中的分类问题区别,即有无标签,是否带有对未知数据的预测性质)
  2. 异常检测 Anomaly detection
  3. 降维 Dimensionality reduction
  • 区别:聚类问题
相关推荐
youliroam10 分钟前
成语接龙学习
学习·golang·uniapp·成语接龙
MYX_3093 小时前
第四章 神经网络的基本组件
pytorch·深度学习·神经网络·学习
985小水博一枚呀4 小时前
【AI大模型学习路线】第三阶段之RAG与LangChain——第十九章(实战基于Advanced RAG的PDF问答)系统部署与测试?
人工智能·学习·langchain·pdf
蓝桉~MLGT5 小时前
Python学习历程——字符串相关操作及正则表达式
python·学习·正则表达式
能不能别报错5 小时前
K8s学习笔记(二十一) RBAC
笔记·学习·kubernetes
Lynnxiaowen5 小时前
今天我们继续学习python3编程之python基础
linux·运维·python·学习
Nix Lockhart6 小时前
《算法与数据结构》第七章[算法4]:最短路径
c语言·数据结构·学习·算法·图论
阿部多瑞 ABU6 小时前
技术报告:高仿真虚构内容对主流大模型的现实感幻觉测试
人工智能·经验分享·笔记·学习·ai写作
来酱何人8 小时前
机器翻译数据处理核心技术:从语料到模型的质量管控链路
人工智能·分类·nlp·bert·机器翻译
能不能别报错8 小时前
K8s学习笔记(十八) HPA控制器
笔记·学习·kubernetes