机器学习笔记—-监督学习与无监督学习的异同

**

机器学习笔记—-监督学习与无监督学习的异同

**

有监督学习

在监督学习中，输入数据和输出数据存在某种关系，即在已经给定的数据集下，对应的正确输出结果，已经大约知道是什么样子了。

有监督学习常常被归类为 回归 和 分类 问题。

在回归问题中，我们希望得到连续值的输出预测值，即，使用某些连续函数来映射输入值。

在分类问题中，则希望获得的是离散的预测值。将输入值映射到离散的种类上。

无监督学习

无监督学习，对于问题最终的结果，只有很少或没有什么感知。从已有数据中抽取相应的结构，且不必知道数据变量间的影响。

通过 聚类 在数据中变量关系的基础上 获取数据中内在的结构

无监督学习中，预测结果没有反馈。典型的例子，文本分类。

参考文献：

https://www.coursera.org/learn/machinelearning/supplement/X64SM/introduction

版权声明：本文为博主原创文章，未经博主允许不得转载。