深度学习500问阅读笔记——监督学习、非监督学习、半监督学习、弱监督学习？
这是深度学习500问系列笔记之一，帮助我深入记忆知识，如有不足，随时欢迎交流和探讨。
3.监督学习、非监督学习、半监督学习、弱监督学习？
根据数据类型的不同，对一个问题的建模有不同的方式。根据不同的学习方式和输入数据，机器学习主要分为以下四种学习方式。
监督学习：
**** ①监督学习是使用已知正确答案的示例来训练网络。已知数据和其一一对应的标签，训练一个智能算法，将输入数据映射到标签的过程；
②监督式学习的常见应用场景如分类问题 和回归问题；
③常见的算法有逻辑回归（Logistic Regression）和反向传递神经网络（Back Propagation Neural Network）。
比如我目前方向是视觉问答（VQA）就是监督学习。
非监督学习：
①在非监督式学习中，数据并不被特别标识，适用于具有数据集但无标签的情况。学习模型是为了推断出数据的一些内在结构；
②常见的应用场景包括关联规则的学习以及聚类等；
③常见算法包括Apriori算法以及k-Means算法。
半监督式学习：
①在此学习方式下，输入数据部分被标记，部分没有被标记，这种学习模型可以用来进行预测；
②应用场景包括分类和回归，算法包括一些对常用监督式学习算法的延伸，通过对已标记数据建模，在此基础上，对未标记数据进行预测；
③常见算法如图论推理算法（Graph Inference）或者拉普拉斯支持向量机（Laplacian SVM）等。
弱监督式学习：
①弱监督学习可以看做是有多个标记的数据集合，次集合可以是空集，单个元素，或包含多种情况（没有标记，有一个标记和有多个标记）的多个元素；
②数据集的标签是不可靠的，这里的不可靠可以是标记不正确，多种标记，标记不充分，局部标记等；
③已知数据和其一一对应的弱标签，训练一个智能算法，将输入数据映射到一组更强的标签的过程。标签的强弱指的是标签蕴含的信息量的多少，比如相对分割的标签来说，分类的标签就是弱标签；
④比如，告诉一张包含气球的图片，需要得出气球在图片中的位置及气球和背景的分割线，这就是已知弱标签学习强标签的问题。