無監督學習可謂是深度學習的聖杯，其目標是建立可相容小資料集進行訓練的通用系統，即便是很少的資料。
現在，回想一下你在小時候是如何進行學習的。是的，那時候會有人指導你，你的父母會告訴你這是乙個「貓」，但是他們不會在你餘生的每一分每一秒都告訴你這是乙隻「貓」！如今的監督學習也是這樣：我一次一次地告訴你，什麼是「貓」，也許高達 100 萬次。然後你的深度學習模型就學會了。
理想情況下，我們希望有乙個模型，它的表現與我們的大腦非常相似。只需少量的標籤便可理解這個多類的世界。這裡所說的類，主要是指物件類、動作類、環境類、物件組成類等等。
基本概念
無監督學習研究的主要目標是預訓練乙個模型（稱作「識別」或「編碼」）網路，供其他任務使用
。編碼特徵通常能夠用到分類任務中：例如在 imagenet 上訓練會表現出很好的結果，這與監督模型非常接近。
（拿啥訓練呀？？？）
迄今為止，監督模型總是比無監督的預訓練模型表現的要好。其主要原因是監督模型對資料集的特性編碼的更好。但如果模型運用到其他任務，監督工作是可以減少的。在這方面，希望達到的目標是無監督訓練可以提供更一般的特徵，用於學習並實現其它任務。
自動編碼器（auto-encoders）（這到底是無監督還是有監督呀，
機器學習基本概念 有監督學習和無監督學習
有監督學習是指我們給演算法乙個資料集，並且給定正確的答案。現在有一套房子的面積是750平，請問該套房子 多少合適？如果我們根據這些資料計算出圖中的藍色線，這樣估計該房子大約值160k 而如果我們根據這些資料擬合出黑色曲線，用該曲線計算的話，該套房子的 大約在220k左右。怎麼才能給出乙個最準確的結果...
監督學習和無監督學習（概念）
機器學習主要解決的是兩類問題，監督學習和無監督學習。掌握機器學習，主要就是學習 掌握解決這兩類問題的基本思路。1.什麼是監督學習？監督學習是指這麼乙個過程，通過外部的響應變數來指導模型學習我們關心的任務，並達到我們需要的目的。也就是說，監督學習的最終目標，是使模型可以更準確地對我們所需要的響應變數建...
有監督 無監督學習概念
機器學習分為 監督學習，無監督學習，半監督學習等。監督學習 supervised learning 無監督學習 unsupervised learning 半監督學習 semi supervised learning 有監督和無監督兩者的不同點 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...