机器学习的分类与任务
机器学习分类主要为：监督学习，无监督学习，强化学习三类，这里主要讨论监督学习和无监督学习。
·
机器学习分类主要为：监督学习，无监督学习，强化学习三类，这里主要讨论监督学习和无监督学习。
监督学习
监督学习是指利用一组已知类别的样本训练模型的参数，使其达到所要求性能的过程，监督学习是
从标记的训练数据来推断一个功能的机器学习任务，监督学习的目标是对对未见过的新数据做出准
确预测。
常见应用：分类和回归
简单来说：从输入/输出对中进行学习的机器学习算法叫做监督学习算法。
无监督学习
无监督学习缺乏足够的先验知识，因此难以人工标注类别或者说进行人工类别标注的成本太高。利
用无标签的数据学习数据的分布或数据与数据之间的关系被称作无监督学习。
常见应用：降维和聚类
简单来说：在无监督学习中，只有输入数据是已知的，没有为算法提供输出数据。
机器学习两大任务
任务一：如何优化训练数据 —> 主要用于解决欠拟合问题
任务二：如何提升泛化性能 —> 主要用于解决过拟合问题
有关欠拟合和过拟合的概念之前已经详细介绍过，在机器学习分类专栏中，大家可以去专栏内学习。
技术共进，成长同行——讯飞AI开发者社区
更多推荐
9
0- 0
已为社区贡献3条内容
所有评论(0)