如果我們想要**的是離散值，例如「好瓜」「壞瓜」，此類學習任務稱為「分類」；如果想要**的是連續值，例如西瓜成熟度0.95、0.37，此類學習任務稱為「回歸」。
學得模型後，使用其進行**的過程稱為「測試」，被**的樣本成為「測試樣本」。例如在學得f後，對測試例x，可得到其**標記y=f(x)。
我們還可以對西瓜做「聚類」，即將訓練集中的西瓜分為若干組，每組稱為乙個「簇」；這些自動形成的簇可能對應一些潛在的概念劃分，例如「淺色瓜」「深色瓜」，甚至「本地瓜」「外地瓜」。這樣的學習過程有助於我們了解資料內在的規律，能為更深入地分析資料簡歷基礎。需說明的是，在聚類學習中，「淺色瓜」「本地瓜」這樣的概念我們事先是不知道的，而且學習過程中使用的訓練樣本通常不擁有標記資訊。
根據訓練資料是否擁有標記資訊，學習任務可大致分為兩大類：「監督學習」和「非監督學習」，分類和回歸是前者的代表，而聚類是後者的代表。再解釋一下，監督學習其實就是我們對輸入樣本經過模型訓練後有明確的預期輸出，非監督學習就是我們對輸入樣本經過模型訓練後得到什麼輸出完全沒有預期。結合西瓜的例子，監督學習就是我們知道經過模型訓練後會分為好瓜或者壞瓜，而非監督學習則會將西瓜聚類為幾種我們之前沒有明確定義的瓜，如「淺色瓜」「外地瓜」。
這樣結合西瓜的例子解釋後，相信你能對經常聽到的監督學習和非監督學習兩個概念有了比較清晰的了解。
無監督學習與監督學習
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...
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...