监督学习(supervised learning)和无监督学习(unsupervised learning)
来源:互联网 发布:python难找工作 编辑:程序博客网 时间:2024/05/20 10:20
那么,什么时候应该采用监督学习,什么时候应该采用非监督学习呢?我也是从一次面试的过程中被问到这个问题以后才开始认真地考虑答案。一种非常简单的回答就是从定义入手,如果我们在分类的过程中有训练样本(training data),则可以考虑用监督学习的方法;如果没有训练样本,则不可能用监督学习的方法。但是事实上,我们在针对一个现实问题进行解答的过程中,即使我们没有现成的训练样本,我们也能够凭借自己的双眼,从待分类的数据中人工标注一些样本,并把他们作为训练样本,这样的话就可以把条件改善,用监督学习的方法来做。当然不得不说的是有时候数据表达的会非常隐蔽,也就是说我们手头的信息不是抽象的形式,而是具体的一大堆数字,这样我们很难凭借人本身对它们简单地进行分类。这个说的好像有点不大明白,举个例子说就是在bag of words 模型的时候,我们利用k-means的方法聚类从而对数据投影,这时候用k-means就是因为我们当前到手的只有一大堆数据,而且是很高维的,当我们想把他们分为50个类的时候,我们已经无力将每个数据标记说这个数应该是哪个类,那个数又应该是哪个类了。所以说遇到这种情况也只有无监督学习能够帮助我们了。那么这么说来,能不能再深入地问下去,如果有训练样本(或者说如果我们可以获得到一些训练数据的话),监督学习就会比无监督学习更合适呢?(照我们单纯地想,有高人教总比自己领悟来的准,来的快吧!)我觉得一般来说,是这样的,但是这要具体看看训练数据的获取。本人在最近课题的研究中,手动标注了大量的训练样本(当然这些样本基本准确了),而且把样本画在特征空间中发现线性可分性非常好,只是在分类面附近总有一些混淆的数据样本,从而用线性分类器进行分类之后这样样本会被误判。然而,如果用混合高斯模型(GMM)来分的话,这些易混淆的点被正确分类的更多了。对这个现象的一个解释,就是不管是训练样本,还是待聚类的数据,并不是所有数据都是相互独立同分布的。换句话说,数据与数据的分布之间存在联系。在我阅读监督学习的大量材料中,大家都没有对训练数据的这一假设(独立同分布)进行说明,直到我阅读到一本书的提示后才恍然大悟。对于不同的场景,正负样本的分布如果会存在偏移(可能是大的偏移,也可能偏移比较小),这样的话用监督学习的效果可能就不如用非监督学习了。
- 监督学习(supervised learning)和无监督学习(unsupervised learning)
- 无监督学习(Unsupervised Learning)
- 无监督学习(unsupervised learning)
- 如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)
- 什么是监督学习(supervised learning)
- 监督式学习(Supervised learning)
- 监督式学习(Supervised learning)
- 无监督学习(unsupervised learning) 1.线性方法
- 无监督学习(unsupervised learning) 2.词嵌入
- 无监督学习(unsupervised learning) 3.近邻嵌入
- 无监督学习(unsupervised learning) 4.自编码器
- 无监督学习(unsupervised learning) 5.生成模型
- 半监督学习(semi-supervised learning)
- 半监督学习(semi-supervised learning)
- Machine Learning机器学习 - Supervised Learning监督学习 - Native Bayes
- 机器学习之无监督特征学习——Unsupervised feature learning and deep learning
- 无监督特征学习——Unsupervised feature learning and deep learning
- 无监督特征学习——Unsupervised feature learning and deep learning
- X86 LDS指令解析
- LeetCode——add two numbers
- 关于java中main()方法是不是第一个被执行的模块
- JVM如何收集垃圾?
- Codeforces 808E Selling Souvenirs 题解
- 监督学习(supervised learning)和无监督学习(unsupervised learning)
- opencv for ios 配置后#import <opencv2/opencv.hpp>报错:file not found问题(opencv3.2.0)
- C++实现R语言向量化运算(向量类:c 矩阵类:matrix)2015.9.11
- PE文件格式学习笔记
- 3DTouch
- 应用之间的通信Aidl和共享内存块MemoryFile的使用
- 仿iOS滚轮选择控
- socket客户端与服务端消息互发
- 接口和抽象类