機器學習分為：監督學習，無監督學習，半監督學習（也可以用hinton所說的強化學習）等。
監督與無監督區別：
1. 有監督學習方法必須要有訓練集與測試樣本。在訓練集中找規律，而對測試樣本使用這種規律。而非監督學習沒有訓練集，只有一組資料，在該組資料集內尋找規律。
2. 有監督學習的方法就是識別事物，識別的結果表現在給待識別資料加上了標籤。因此訓練樣本集必須由帶標籤的樣本組成。而非監督學習方法只有要分析的資料集的本身，預先沒有什麼標籤。如果發現資料集呈現某種聚集性，則可按自然的聚集性分類，但不予以某種預先分類標籤對上號為目的。
3. 非監督學習方法在尋找資料集中的規律性，這種規律性並不一定要達到劃分資料集的目的，也就是說不一定要「分類」。
這一點是比有監督學習方法的用途要廣。 譬如分析一堆資料的主分量，或分析資料集有什麼特點都可以歸於非監督學習方法的範疇。
4. 用非監督學習方法分析資料集的主分量與用k-l變換計算資料集的主分量又有區別。後者從方法上講不是學習方法。因此用k-l變換找主分量不屬於無監督學習方法，即方法上不是。而通過學習逐漸找到規律性這體現了學習方法這一點。在人工神經元網路中尋找主分量的方法屬於無監督學習方法。
何時採用對應方法：
簡單的方法就是從定義入手，有訓練樣本則考慮採用監督學習方法；無訓練樣本，則一定不能用監督學習方法。但是，現實問題中，即使沒有訓練樣本，我們也能夠憑藉自己的雙眼，從待分類的資料中，人工標註一些樣本，並把它們作為訓練樣本，這樣的話，可以把條件改善，用監督學習方法來做。對於不同的場景，正負樣本的分布如果會存在偏移（可能大的偏移，可能比較小），這樣的話，監督學習的效果可能就不如用非監督學習了。
監督學習和無,監督學習區別
開始學習ml，真是難為自己的低智商了 一翻書就遇到乙個概念問題 何為監督學習？與無監督學習的區別？因為自己剛剛開始學ml，所以可能解釋的會有些不當。集齊了各種網上答案 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...
監督學習和無監督學習區別
機器學習分為 監督學習，無監督學習，半監督學習 也可以用hinton所說的強化學習 等。在這裡，主要理解一下監督學習和無監督學習。從給定的訓練資料集中學習出乙個函式 模型引數 當新的資料到來時，可以根據這個函式 結果。監督學習的訓練集要求包括輸入輸出，也可以說是特徵和目標。訓練集中的目標是由人標註的...
監督學習和無監督學習區別
本文出自 機器學習分為 監督學習，無監督學習，半監督學習 也可以用hinton所說的強化學習 等。在這裡，主要理解一下監督學習和無監督學習。從給定的訓練資料集中學習出乙個函式 模型引數 當新的資料到來時，可以根據這個函式 結果。監督學習的訓練集要求包括輸入輸出，也可以說是特徵和目標。訓練集中的目標是...