- Supervised Learning 監督式學習 (Core Tool 本課的重點工具~)
是一個機器學習中的方法，可以由訓練資料中學到或建立一個模式（函數 / learning model），並依此模式推測新的實例。訓練資料是由輸入物件（通常是向量）和預期輸出所組成。函數的輸出可以是一個連續的值（稱為迴歸分析），或是預測一個分類標籤（稱作分類） --Wiki - 監督式學習[1]
就像老師一開始告訴大家一元、五元、十元到五十元硬幣個別是什麼之後，讓學生練習去分類。
- Unsupervised Learning 非監督式的學習
非監督式學習是一種機器學習的方式，並不需要人力來輸入標籤 --Wiki - 監督式學習[2]
非監督式的學習，是一開始沒有告訴演算法某些東西是什麼，讓演算法自己找出規則嘗試去分類或是分群
最後補充一段我覺得蠻有趣的話，這個適用在很多領域的知識裡 :
分類器的表現好壞很大程度地跟被分類的資料特性有關。沒有單一分類器可以在所有的問題上都表現最好，這被稱為『天下沒有白吃的午餐理論』。
各式的經驗法則被用來比較分類器的表現及確認分類器表現的資料特性。決定適合某一問題的分類器仍舊是一項藝術，而非科學。
( 我 : 表示還有很多事情是目前科學知識力有未逮之處，才會以經驗公式來帶過XD )
- Semi Supervised Learning 半監督式學習
半監督式學習與監督式學習的差別在於，半監督式的不是所有的資料點都有標記。其餘未標記的資料則要依靠學習演算法來完成分類或分群任務。
參考資料
[1]監督式學習 - Wiki
[2]非監督式學習 -Wiki
沒有留言:
張貼留言