1.
無監督和有監督的理解方法有很多，主要可以從以下幾方面來理解：
1、無監督與監督學習的區別在於乙個無教學值，乙個有教學值。但是，個人認為他們的區別在於無監督學習一般是採用聚簇等演算法來分類不同樣本。而監督學習一般是利用教學值與實際輸出值產生的誤差，進行誤差反向傳播修改權值來完成網路修正的。但是無監督學習沒有反向傳播修改權值操作。
2、樣本全部帶標記/樣本全部不帶標記··· ps:部分帶標記的是半監督學習
3、訓練集有輸入有輸出是有監督，包括所有的回歸演算法分類演算法，比如線性回歸、決策樹、神經網路、knn、svm等；訓練集只有輸入沒有輸出是無監督，包括所有的聚類演算法，比如k-means 、pca、 gmm等
有監督學習：對具有概念標記（分類）的訓練樣本進行學習，以盡可能對訓練樣本集外的資料進行標記（分類）**。這裡，所有的標記（分類）是已知的。因此，訓練樣本的岐義性低。
無監督學習：對沒有概念標記（分類）的訓練樣本進行學習，以發現訓練樣本集中的結構性知識。這裡，所有的標記（分類）是未知的。因此，訓練樣本的岐義性高。聚類就是典型的無監督學習
2.3.一篇無監督學習的綜述**：
4.
監督學習與無監督學習
監督學習 監督學習是指我們給演算法乙個資料集，其中包含了正確答案。也就是說我們給它乙個房價資料集，在這個資料集中的每個樣本，我們都給出正確的 即這個房子實際賣價，演算法的目的就是給出更多的正確答案，輸入和輸出都是有參照的，根據參照，給定乙個新的輸入，新的輸出。如房價 給定某地房子大小和房價的資料，根...
無監督學習與監督學習
無監督學習與監督學習 1 首先我們要知道什麼是機器學習 a 從我們的學習推導而來 舉個例子 要考試了，老師給我們刷題，然後我們通過完成老師給的題目，考試考了100分，考試題不是原題，但與原題十分相似 b 我們總結一下 要考試了，老師給我們刷題 訓練集 然後我們通過完成老師給的題目 訓練 考試 要處理...
監督學習和無監督學習 監督學習與非監督學習
監督學習 supervised learning 的任務是學習乙個模型，使模型能夠對任意給定的輸入，對其相應的輸出做出乙個好的 即 利用訓練資料集學習乙個模型，再用模型對測試樣本集進行 例如kaggle上的鐵達尼號比賽。官方提供旅客資料 資料集1 姓名，年齡，性別，社會經濟階層，是否生存等 要求參賽...