机器学习---监督学习和非监督学习-Toy模板网

这篇具有很好参考价值的文章主要介绍了机器学习---监督学习和非监督学习。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

根据训练期间接受的监督数量和监督类型，可以将机器学习分为以下四种类型：监督学习、非监督学习、半监督学习和强化学习。

监督学习

在监督学习中，提供给算法的包含所需解决方案的训练数据，成为标签或标记。

机器学习---监督学习和非监督学习,机器学习,机器学习,学习,人工智能

简单地说，就是监督学习是包含自变量和因变量（有Y），同时可以用于分类和回归。

常见算法：

无监督学习的训练数据都是未经标记的，算法会在没有指导的情况下自动学习。

机器学习---监督学习和非监督学习,机器学习,机器学习,学习,人工智能

简单地说，就是训练数据只有自变量没有因变量（就是没有Y）。

常见算法：

有些算法可以处理部分标记的训练数据，通常是大量未标记的数据和少量标记的数据，这种成为半监督学习。

如照片识别就是很好的例子。在线相册可以指定识别同一个人的照片（无监督学习），当你把这些同一个人增加一个标签的后，新的有同一个人的照片就自动帮你加上标签了。

机器学习---监督学习和非监督学习,机器学习,机器学习,学习,人工智能

大多数半监督学习算法都是无监督和监督算法的结合。例如深度信念网络（DBN）基于一种相互堆叠的无监督式组件。

强化学习是一个非常与众不同的算法，它的学习系统能够观测环境，做出选择，执行操作并获得回报，或者是以负面回报的形式获得惩罚。它必须自行学习什么是最好的策略，从而随着时间推移获得最大的回报。

机器学习---监督学习和非监督学习,机器学习,机器学习,学习,人工智能

例如，许多机器人通过强化学习算法来学习如何行走。AlphaGo项目也是一个强化学习的好例子。文章来源地址https://www.toymoban.com/news/detail-632069.html

到了这里，关于机器学习---监督学习和非监督学习的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！