机器学习可以分为四大类
我们将一个一个为各位介绍。
监督式学习 Supervised Learning
监督式学习顾名思义,也就是有「人」在一旁监督学习的过程与结果,只是今天「人」这个角色由机器来自行扮演。一般而言我们会将所有确定好的资料都标上标签(Label),并告诉机器相对应的值,在最终输出後可以利用输出的值来判断准确度的误差。这种方法便是人工分类。这个方法的限制就是输入的资料都要有自己的「结果」,例如今天希望程序去区分猫和狗,就必须要提供机器100张猫与100张狗的照片,机器依照标签的照片去侦测两者的特徵并进行预测。
非监督式学习Unsupervised Learning
非监督式学习便是反向的监督式学习,没有人在一旁监督查看。所有资料都没有被贴上标签,所以机器必须要自己寻找这些输入资料的特徵值,在依照结果进行资料的分类。以人的观点来看是稀松平常的事情,但机器并不能这麽灵活判断特徵之间的差别,所以预测结果的误差值将会比较大。
半监督式学习Semi-supervised Learning
半监督式学习是监督式学习与非监督式学习两种的类复合体,他会对少量的资料贴上标签,而机器会透过这些有标签的资料进行特徵萃取,并进一步分类。这种方法预测会比非监督式学习好一点。举例来说若有100张照片,我们将10张照片贴上「熊猫」的标签,机器便会利用这十张的照片去分类剩余的照片。
增强式学习 Reinforcement Learning
增强式学习是一种较为特别的分类,机器会透过每一次与环境之间的互动来进行学习,以期能取得最大的预期效益。输入时的资料不会贴上标签,但是我们会告诉机器他所采取的哪一个步骤是对的,哪一个步骤是错误的。根据反馈的好坏,机器就会慢慢逐步修正,得到我们所预测的正确答案。
资料参考:
https://www.ecloudvalley.com/zh-hant/machine-learning/
https://www.wpgdadatong.com/cn/blog/detail?BID=B0553
<<: #2 JavaScript Crash Course 1
>>: Day 2 - Using Google reCAPTCHA with ASP.NET Web Forms C#「我不是机器人」验证
在前面,我们了解了AR和其他实境的不同、它的一些硬体结构、装置演化的历史以及目前有哪些装置。但好像都...
今天也是要让大家来练习,那我们就开始今天的进度吧! 题目 毕氏三元数,是指三角形中,两股ab、斜边c...
K9s - Kubernetes CLI To Manage Your Clusters In St...
Review 29 Days 在 Dev's Ops 启程之後,我们来回顾一下这三十天能有哪些精彩的...
tags: ItIron2021 Javascript 前言 昨天我们简单的带过IIFE,今天的主题...