揭阳网站建设工作,试用型网站怎么做,成安企业做网站推广,网络公司服务监督学习与无监督学习supervised learning#xff1a;监督学习#xff0c;给出的训练集中有输入也有输出#xff08;标签#xff09;#xff08;也可以说既有特征又有目标#xff09;#xff0c;在此基础上让计算机进行学习。学习后通过测试集测试给相应的事物打上标签。…监督学习与无监督学习supervised learning监督学习给出的训练集中有输入也有输出标签也可以说既有特征又有目标在此基础上让计算机进行学习。学习后通过测试集测试给相应的事物打上标签。unsupervised learning无监督学习给出的训练集中只有特征没有目标无标签。不告诉计算机怎么做而是让计算机学着自己去学习怎样做。只给定一组数据而没有数据的标签让计算机自己来对数据进行学习从而达到聚类的效果。o和x是打上的标签通过不同的类型对新数据进行分类对于原始数据并没有贴上标签而是让计算机通过自己学习数据特征此例为相互距离来进行区分做到物以类聚监督学习与无监督学习的主要类别2.1 监督学习分为分类问题classification和回归问题regression两大类。分类通过对训练集进行学习来对测试集进行分类其结果是离散的。yes or no1 or 0以及3种及三种以上类别。如识别邮件是否是垃圾邮件回归通过对训练集进行学习来对测试集进行预测其结果是连续的。如拟合房价与面积的关系预测该面积的房子能卖多少钱。2.2 无监督学习分为聚类问题和降维问题两大类。聚类简单说就是一种自动分类的方法在监督学习中你很清楚每一个分类是什么但是聚类则不是你并不清楚聚类后的几个分类每个代表什么意思。计算机只是根据学习到的特征将特征相似的分为一类。降维降维看上去很像压缩。这是为了在尽可能保存相关的结构的同时降低数据的复杂度。
