监督学习和非监督学习的区别
www.zhiqu.org 时间： 2024-06-16
一:什么是监督学习?
监督学习（supervised learning）：通过已有的训练样本（即已知数据以及其对应的输出）来训练，从而得到一个最优模型，再利用这个模型将所有新的数据样本映射为相应的输出结果，对输出结果进行简单的判断从而实现分类的目的，那么这个最优模型也就具有了对未知数据进行分类的能力。
监督学习中只要输入样本集,机器就可以从中推演出制定目标变量的可能结果.如协同过滤推荐算法,通过对训练集进行监督学习,并对测试集进行预测,从而达到预测的目的.
一:什么是无监督学习?
无监督学习（unsupervised learning）：我们事先没有任何训练数据样本，需要直接对数据进行建模。比如我们去参观一个画展，我们对艺术一无所知，但是欣赏完很多幅作品之后，我们面对一幅新的作品之后，至少可以知道这幅作品是什么派别的吧，比如更抽象一些还是更写实一点，虽然不能很清楚的了解这幅画的含义，但是至少我们可以把它分为哪一类。再比如我们在电影院看电影，对于之前没有学过相关电影艺术知识的我们，可能不知道什么是一部好电影，什么是一部不好的电影，可是在观看了很多部电影之后，我们脑中对电影就有了一个潜在的认识，当我们再次坐在电影院认真观看新上映的电影时，脑中就会对这部电影产生一个评价：怎么这电影这么不好啊，整个故事线是混乱的，一点也不清晰，比我之前看过的那些电影差远了，人物的性格也没有表现出来，关键是电影主题还搞偏了；哎呀，这个电影拍得确实好啊，故事情节和人物性格都很鲜明，而且场景很逼真，主角的实力表演加上他与生俱来的忧郁眼神一下把人物演活了。
再给大家举一个无监督学习的例子。远古时期，我们的祖先打猎吃肉，他们本身之前是没有经验而言的，当有人用很粗的石头去割动物的皮的时候，发现很难把皮隔开，但是又有人用很薄的石头去割，发现比别人更加容易的隔开动物的毛皮，于是，第二天、第三天、……，他们就知道了需要寻找比较薄的石头片来割。这些就是无监督学习的思想，外界没有经验和训练数据样本提供给它们，完全靠自己摸索。
总结
回想刚才所提到的监督学习和无监督学习两种方法，或许很多人都会认为任何事情有人教当然很好了啊，所有监督学习更方便快捷嘛，大部分情况确实这样，但是如果有些情况比如无法提供训练数据样本或者提供训练数据样本的成本太高的话，或许我们就应该采取无监督学习的策略了。监督学习的典型例子就是决策树、神经网络以及疾病监测，而无监督学习就是很早之前的西洋双陆棋和聚类。
机器学习 一 监督学习和无监督学习的区别~
#温兰莫# 模式识别考试题求解 -
(13571384339)： 1.不大清楚应用背景.区别就是监督知道各个训练样本所属的类别,而非监督不知道(典型的代表就是聚类). 2.A一般情况下都是非监督.B一般是监督.C非监督(这个不大熟悉,不过从神经网络来看应该是).D这个可以监督可以非监督,要看怎么用. 3.对角线元素是各个特征的自相关.其他元素都为零表示各个特征之间不相关.那个距离什么的记不清了. 4、5.语音识别、人脸识别、通信中信号识别等等.反正基本都是训练、识别.
#温兰莫# 如何有效实现无监督学习 -
(13571384339)： 1、自主学习,要学会给自己定定目标(大、小、长、短),这样学习会有一个方向;然后梳理自身的学习情况,找出自己掌握的薄弱环节、存在的问题、容易丢分的知识点;再者合理的分配时间,有针对性的制定学习任务,一一的去落实. ...
#温兰莫# 什么是无监督学习 -
(13571384339)： 基本信息中文名称无监督学习外文名称unsupervised learning 用 途用于处理未被分类标记的样本集种 类两种目录1简介 2特性简介折叠编辑本段无监督学习(unsupervised learning):设计分类器时...
#温兰莫# 现在有没有直接对低层进行有监督学习的深度学习方法 -
(13571384339)： 听他人说的:无监督与监督学习的区别在于一个无教学值,一个有教学值.但是,个人认为他们的区别在于无监督学习一般是采用聚簇等算法来分类不同样本.而监督学习一般是利用教学值与实际输出值产生的误差,进行误差反向传播修改权值来完成网络修正的.但是无监督学习没有反向传播修改权值操作,当然这里只是说的是特征提取阶段.
监督学习（supervised learning）：通过已有的训练样本（即已知数据以及其对应的输出）来训练，从而得到一个最优模型，再利用这个模型将所有新的数据样本映射为相应的输出结果，对输出结果进行简单的判断从而实现分类的目的，那么这个最优模型也就具有了对未知数据进行分类的能力。
监督学习中只要输入样本集,机器就可以从中推演出制定目标变量的可能结果.如协同过滤推荐算法,通过对训练集进行监督学习,并对测试集进行预测,从而达到预测的目的.
一:什么是无监督学习?
无监督学习（unsupervised learning）：我们事先没有任何训练数据样本，需要直接对数据进行建模。比如我们去参观一个画展，我们对艺术一无所知，但是欣赏完很多幅作品之后，我们面对一幅新的作品之后，至少可以知道这幅作品是什么派别的吧，比如更抽象一些还是更写实一点，虽然不能很清楚的了解这幅画的含义，但是至少我们可以把它分为哪一类。再比如我们在电影院看电影，对于之前没有学过相关电影艺术知识的我们，可能不知道什么是一部好电影，什么是一部不好的电影，可是在观看了很多部电影之后，我们脑中对电影就有了一个潜在的认识，当我们再次坐在电影院认真观看新上映的电影时，脑中就会对这部电影产生一个评价：怎么这电影这么不好啊，整个故事线是混乱的，一点也不清晰，比我之前看过的那些电影差远了，人物的性格也没有表现出来，关键是电影主题还搞偏了；哎呀，这个电影拍得确实好啊，故事情节和人物性格都很鲜明，而且场景很逼真，主角的实力表演加上他与生俱来的忧郁眼神一下把人物演活了。
再给大家举一个无监督学习的例子。远古时期，我们的祖先打猎吃肉，他们本身之前是没有经验而言的，当有人用很粗的石头去割动物的皮的时候，发现很难把皮隔开，但是又有人用很薄的石头去割，发现比别人更加容易的隔开动物的毛皮，于是，第二天、第三天、……，他们就知道了需要寻找比较薄的石头片来割。这些就是无监督学习的思想，外界没有经验和训练数据样本提供给它们，完全靠自己摸索。
总结
回想刚才所提到的监督学习和无监督学习两种方法，或许很多人都会认为任何事情有人教当然很好了啊，所有监督学习更方便快捷嘛，大部分情况确实这样，但是如果有些情况比如无法提供训练数据样本或者提供训练数据样本的成本太高的话，或许我们就应该采取无监督学习的策略了。监督学习的典型例子就是决策树、神经网络以及疾病监测，而无监督学习就是很早之前的西洋双陆棋和聚类。
机器学习 一 监督学习和无监督学习的区别~
机器学习任务根据训练样本是否有label，可以分为监督学习和无监督学习
监督学习的训练样本有label，主要是学习得到一个特征空间到label的映射，如分类、回归等
无监督学习的训练样本没有label，主要是发现样本的内部结构，如聚类、降维、可视化等
机器学习任务根据训练样本是否有label，可以分为监督学习和无监督学习
监督学习的训练样本有label，主要是学习得到一个特征空间到label的映射，如分类、回归等
无监督学习的训练样本没有label，主要是发现样本的内部结构，如聚类、降维、可视化等
#温兰莫# 模式识别考试题求解 -
(13571384339)： 1.不大清楚应用背景.区别就是监督知道各个训练样本所属的类别,而非监督不知道(典型的代表就是聚类). 2.A一般情况下都是非监督.B一般是监督.C非监督(这个不大熟悉,不过从神经网络来看应该是).D这个可以监督可以非监督,要看怎么用. 3.对角线元素是各个特征的自相关.其他元素都为零表示各个特征之间不相关.那个距离什么的记不清了. 4、5.语音识别、人脸识别、通信中信号识别等等.反正基本都是训练、识别.
#温兰莫# 如何有效实现无监督学习 -
(13571384339)： 1、自主学习,要学会给自己定定目标(大、小、长、短),这样学习会有一个方向;然后梳理自身的学习情况,找出自己掌握的薄弱环节、存在的问题、容易丢分的知识点;再者合理的分配时间,有针对性的制定学习任务,一一的去落实. ...
#温兰莫# 什么是无监督学习 -
(13571384339)： 基本信息中文名称无监督学习外文名称unsupervised learning 用 途用于处理未被分类标记的样本集种 类两种目录1简介 2特性简介折叠编辑本段无监督学习(unsupervised learning):设计分类器时...
#温兰莫# 现在有没有直接对低层进行有监督学习的深度学习方法 -
(13571384339)： 听他人说的:无监督与监督学习的区别在于一个无教学值,一个有教学值.但是,个人认为他们的区别在于无监督学习一般是采用聚簇等算法来分类不同样本.而监督学习一般是利用教学值与实际输出值产生的误差,进行误差反向传播修改权值来完成网络修正的.但是无监督学习没有反向传播修改权值操作,当然这里只是说的是特征提取阶段.
