1.3有监督、无监督和半监督学习
发布时间
阅读量：
阅读量
1.3有监督、无监督和半监督学习
- 明确划分的目标类别，并获得了相应类别的训练样本数量。
- 无法预先确定分类的具体目标；而且也没有任何类别的训练数据可用。即使在某些情况下也难以确定具体的分类数目。我们的目标则是依据样本特征将其归类为若干个簇。
这种情况下建立分类器的问题则属于无监督学习范畴。
其中，在无监督模式识别中用于测定两个特征向量之间的"相似程度"以及合适的聚类（分组）。一般而言，在不同算法方案下可能会得到不同的结果这一情况往往需要相关领域专家加以说明。
半监督学习（SSL）作为模式识别与机器学习领域的核心议题之一，在基于监督与无监督的学习框架下发展起来的一种新型算法技术。这种结合方式不仅充分利用了大量未标注的数据资源，并在其中巧妙地融入少量标注样本的信息内容，在实际应用中能够有效完成特定的任务目标。在应用半监督学习时，则应尽量减少人力投入，并确保能够取得较高的准确率。
精简的描述为：
Unsupervised learning (无监督学习) is a method where no labels are used during the training phase, i.e., the training dataset X_t does not have any labels.
聚类（clustering）、回归（regression）
- 有监督学习（supervised learning）： 学习过程中用到样本标签
分类（classification）
- 半监督学习（semi-supervised learning）: 训练数据中的部分样本具有标签信息，则其余样本则未标记。
全部评论 (0)
还没有任何评论哟~