首先看什麼是學習（learning）？
乙個成語就可概括：舉一反三。此處以高考為例，高考的題目在上考場前我們未必做過，但在高中三年我們做過很多很多題目，懂解題方法，因此考場上面對陌生問題也可以算出答案。機器學習的思路也類似：我們能不能利用一些訓練資料（已經做過的題），使機器能夠利用它們（解題方法）分析未知資料（高考的題目）
高中學習：上課練習-模擬考試-高考
這也正如我們在高中做題，答案（標籤）是非常重要的，假設兩個完全相同的人進入高中，乙個正常學習，另一人做的所有題目都沒有答案，那麼想必第乙個人高考會發揮更好，第二個人會發瘋。
因此，learning家族的整體構造是這樣的：
NLP 監督 半監督 無監督學習
概念 有監督學習 訓練資料既有特徵 feature 又有標籤 label 通過訓練，讓機器可以自己找到特徵和標籤之間的聯絡，在面對只有特徵沒有標籤的資料時，可以判斷出標籤。無監督學習 unsupervised learning 訓練樣本的標記資訊未知，目標是通過對無標記訓練樣本的學習來揭示資料的內在...
監督學習，無監督學習和半監督學習
監督學習 supervised learning 無監督學習 unsupervised learning 半監督學習 semi supervised learning 2 概念 監督學習 用一部分已知分類 有標記的樣本來訓練機器後，讓它用學到的特徵，對沒有還分類 無標記的樣本進行分類 貼標籤。一句話...
什麼是無監督 監督 半監督學習
區分有監督和無監督，就是看是否有監督 supervised 也就看輸入資料是否有標籤 label 輸入資料有標籤，則為有監督學習 x,y 沒標籤則為無監督學習 x 這也正如我們在高中做題，答案 標籤 是非常重要的，假設兩個完全相同的人進入高中，乙個正常學習 題目有答案 另一人做的所有題目都沒有答案，...