当前位置:   article > 正文

监督学习和无监督学习的基本概念及作用-机器学习知识点_多分类如何做归一化?归一化后,如何计算交叉熵?

多分类如何做归一化?归一化后,如何计算交叉熵?

监督学习和无监督学习是机器学习中两个最基本的范畴。它们的主要区别在于是否需要标注数据作为训练样本。

什么是监督学习和无监督学习?

监督学习是指利用标记的数据(通常称为训练数据)作为输入,训练一个模型来学习输入和输出之间的关系。模型学习后可以用于预测新的、未见过的数据的输出。这种学习方式的目标是找到一个函数,使其将输入数据映射到输出数据。监督学习的例子包括分类、回归、序列标注等任务。

无监督学习是指从没有标记的数据中学习模型,该模型试图发现数据内在的结构和模式,而不是预测输出变量。无监督学习的目标是发现数据之间的相似性或关联性,并将其归为一类或者提取数据的特征。无监督学习的例子包括聚类、降维、异常检测等任务。

监督学习和无监督学习有不同的应用场景和作用:

  • 监督学习通常适用于已知输出变量的情况,例如分类和回归问题。它的目标是通过学习已知的输入和输出之间的关系来预测新的输出。
  • 无监督学习适用于没有标签的数据集,例如聚类和降维问题。它的目标是从数据中发现有用的模式和结构,以便进一步的分析和处理。

在实际应用中,监督学习和无监督学习通常都需要相互配合,例如使用无监督学习方法进行数据预处理和特征提取,然后使用监督学习方法进行分类或回归任务。

免费分享一些我整理的人工智能学习资料给大家,整理了很久,非常全面。包括一些人工智能基础入门视频+AI常用框架实战视频、计算机视觉、机器学习、图像识别、NLP、OpenCV、YOLO、pytorch、深度学习与神经网络等视频、课件源码、国内外知名精华资源、AI热门论文等。

下面是部分截图,点击文末名片关注我的公众号【AI技术星球】发送暗号 321 领取(一定要发暗号 321)

目录

一、人工智能免费视频课程和项目

二、人工智能必读书籍

三、人工智能论文合集

四、机器学习+计算机视觉基础算法教程

 五、深度学习机器学习速查表(共26张)

学好人工智能,要多看书,多动手,多实践,要想提高自己的水平,一定要学会沉下心来慢慢的系统学习,最终才能有所收获。

点击下方名片,扫码关注公众号【AI技术星球】发送暗号 321 免费领取文中资料。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/繁依Fanyi0/article/detail/788995
推荐阅读
相关标签
  

闽ICP备14008679号