机器学习概念学习笔记
·
1.监督学习、无监督学习、半监督学习、自监督学习
监督学习是指数据有标签，比如对于性别有男性和女性的标注，对于无监督学习，就是数据没有标签，但是我们可以通过行为区分几个群体，比如40%的人的习惯是每天吃水果。
半监督学习是指数据中的一部分信息具有标签。
自监督学习是指数据本身没有标注，但是可以通过把原有的属性的一部分作为标注，从属性中去掉来训练模型，比如把按照照片分类猫狗，训练一个模型来根据一个去掉一部分信息的照片去复原原照片，虽然这个不是我们的最终目的，但是首先这个有作用，其次稍加修改，我们可以用它来做分类任务。
2.批量学习和在线学习
批量学习是指离线学习，在应用时只使用模型，而在线模型是实时训练的，批量学习的好处是不会受坏数据的影响，在线学习如果不加监控对任务数据都加以学习可能被异常数据影响性能；而在线学习的好处是对性能要求没那么高，而批量学习需要定时重新根据新数据训练模型，否则模型就会过时。
3.基于实例的学习和基于模型的学习
基于实例的学习是根据相似度的，比如猫狗分类，有一些有标注的数据，当我们有新的需要分类的时候，就拿这个照片和我们的照片进行相似度计算，看是和狗还是和猫的照片相似度更近；基于模型的学习则是我们训练一个模型来分类，比如根据照片的属性计算一个值，在某个范围是狗，其他的是猫。
更多推荐
2
0- 0
已为社区贡献3条内容
所有评论(0)