无监督特征学习基本原理
来源:互联网 发布:虚拟按键软件代码 编辑:程序博客网 时间:2024/05/16 19:39
深度学习在早期一度被认为是一种无监督的特征学习,模仿了人脑对特征逐层抽象提取的过程。深度学习可以解决人工难以提取有效特征的问题,可以大大缓解机器学习模型对特征工程的依赖。
无监督特征学习最重要的两点:
- 不需要标注数据就可以对数据进行一定程度的学习,这种学习是对数据内容的组织形式的学习,提取的是频繁出现的特征。
- 逐层抽象:特征是需要不断抽象的,就像人总是从简单基础的概念开始学习,再到复杂的概念。深度学习也是一样,从简单的微观的特征开始,不断抽象特征的层级,逐渐往复杂的宏观特征转变。
阅读全文
0 0
- 无监督特征学习基本原理
- 无监督特征学习
- 无监督特征学习(半监督学习+自学习)
- 无监督特征学习涉及的基本概念
- 随机初始化在无监督特征学习中的作用
- 监督学习?无监督学习?
- 监督学习&无监督学习
- 无监督学习:无监督降维
- 无监督特征学习:模拟简单细胞、复杂细胞属性的特征(上段工作总结)
- 无监督学习
- 无监督学习算法
- 什么是无监督学习
- 无监督学习
- 无监督学习
- 4.无监督学习
- 无监督学习简介
- 监督学习、无监督学习、强化学习
- 监督学习与无监督学习
- 入门Webpack
- [Tensorflow]L2正则化和collection【tf.GraphKeys】
- 面向对象思想的理解
- Codeforces Round #447 (Div. 2) A. QAQ 暴力
- addPeer操作解析
- 无监督特征学习基本原理
- (转)区块链:CITA
- 学生排队
- 推箱子
- erlang gen_fsm源码分析
- Selenium--显示等待和隐式等待
- C语言操作符的介绍及总结
- Jupyter notebook和pandas的基本使用
- map&reduce