3-6 阿伯日後谈
博览会後,太阳渐渐下山了,看着人渐渐散,阿伯也准备收拾摊子回家了,远处看见飞哥跟小博走来,小博手上拿着一份刚料理好的炒面,递给阿伯说:「辛苦啦!」。
飞哥找了个位子坐了下来,跟收拾得差不多的阿伯聊了起来,「之後有打算怎麽发展吗?阿伯。」飞哥询问道。
「且战且走吧,况且,这个社会不太需要老人了,我回去工作岂不是多了抢年轻人工作的罪名。」阿伯看着远方的斜阳说着。
看着旁边津津有味吃着炒面的小博,阿伯说道:「年轻人未来无限可能啊!阿伯再教你一点东西吧!下午跟你说的 k近邻分类演算法 属於 监督式学习(Supervised Learning) ,在这之外,还有 非监督式学习(Unsupervised Learning) 呢!」
「甚麽是监督式学习?要...督谁啊?额...我是说监督。」小博嚼着面没把话说清楚。
「 监督式学习你可以想像就是在既有资料已经含有被标记(label)的类别或组别,可以根据这个类别方便建造模型或建立准则 。像是我知道这群人谁有病谁没病与他们的生活习惯、基因等等资料,谁有发病这点就是一个可被标记的类别。 缺点是有时候资料可能会被标记错误,而影响建模的稳定性 ,你想想看是不是新闻偶尔会出现没并被说有病的状况发生呢!常见的方法有k近邻分类演算法、决策树、一般回归、罗吉式回归、支持向量机器(SVM)。」阿伯细心地说着。
「好像是耶,那非监督式呢?」小博继续问道。
「相反的, 非监督式学习就是资料没有任何的标记 ,在没有任何准则的情况下从零开始慢慢学习。这种学习方式会更倾向一种客观直觉的判断准则,在没有一个判断基准前提下尝试去找出资料的相异性。 缺点是分析跑完後,结果一定有,你不一定解释的出来为何机器学习要这样子分类。 常见的方法有阶层式集群分析(Hierarchical clustering)、k-平均分群法(k-means clustering)、自映射网路(Self-organizing map)」阿伯继续说道。
小博想了下突然眼睛一亮说:「喔喔!所以半监督式学习就是把主观跟客观两边的资讯一起结合,既有标记过的资讯,也有资料原始样貌呈现的讯息,这样就不会对其中一边的资讯过度相信了,对吧?」
阿伯开心的笑着:「呵呵,没错,你头脑真的不错,半监督式学习通常是把监督式与非监督式的资讯以一定比例加起来,我之前常看到的就是两个矩阵(监督式一个、非监督式一个)以不同比例相加,通常分类效果都有一定的提升呢!不过可能还是有其他的结合方式,之後就交由你去研讨罗!」
「原来是这样,我还在想这两者要怎麽结合呢!阿伯真厉害!」小博开心的把剩下的餐点一扫而空。
「是啊!真厉害呢。」阿伯心想,望着远方的余晖会心一笑。
这笑容,是飞哥心中见过最美,也是最祥和的笑容。
资料参考:
https://oosga.com/thinking/difference-between-supervised-learning-and-unsupervised-learning/
https://www.ecloudvalley.com/zh-hant/machine-learning/
<<: [Day26] VSCode Plugin - Edge Tools<未完>
>>: Day 28|Divi 功能练习 20 Contact Form Module 联络表单设计
说明 根据 MDN 的教学 一开始canvas为空白,程序码脚本需要先存取渲染环境,在上面绘图,然後...
文件物件模型 (DOM) 文件物件模型(DOM)是HTML、XML 和 SVG 文件的程序介面。它提...
前言 我们是要处理快速易用的网页,所以在,API方面要做到可以尽量少存取资料库来得到最大化资源使用。...
LeNet LeNet-5为LeCun大神在1998年所提出的卷积神经网络算法。 卷积类神经网路 1...
路由的介绍 在历经昨天网页程序的基础知识的介绍之後,今天小光终於要开始进入网页程序的开发了,所以今天...