zoukankan      html  css  js  c++  java
  • 无监督学习Unsupervised learning

    无监督学习的特点是训练数据没有标签,无监督学习识别和利用数据中的模式进行诸如数据压缩或降维(如自编码器)或生成模型(如GAN等)之类的任务。

    数据的压缩和降维涉及到使用比原始数据表示更少的信息进行编码。

    生成模型可以对训练及数据的分布进行逼近,然后从该近似分布中生成新的数据点。

    无监督学习与有监督学习存在两点不同:

    1. 有监督学习属于条件密度估计,而无监督学习为无条件密度估计。

    2. 无监督学习一般需要创建多变量概率模型。而有监督学习的预测值通常是一个单变量,因此大多数有监督学习问题我们可以采用单变量概率模型,其大大简化了问题。

    但是对于多输出的有监督分类问题仍需要多变量的概率模型。

    无监督学习更像人类或动物的学习方式。相比于有监督学习,无监督学习有着更广泛的适用性,因为其不需要人类专家进行标签制作。

    标签不仅昂贵,而且相比于原始数据信息量大大减小,其不足以可靠地估计复杂模型的参数。

    获得丰富信息最好的方式是信息输入本身。

     无监督学习的应用

    聚类

    数据降维,主成分分析

    发现图结构

    数据 / 矩阵补全(图像修复,协同过滤,Market basket analysis

    快去成为你想要的样子!
  • 相关阅读:
    原型链
    原型规则总结
    使用typeof能得到的哪些类型
    eslint 规则中文注释
    两张图片互相切换
    输入框获得焦点与失去焦点、阴影效果
    vue 写table的几种方式
    vue 注意事项
    angular 接口定义封装
    @NgModule
  • 原文地址:https://www.cnblogs.com/jiangkejie/p/10397908.html
Copyright © 2011-2022 走看看