那抹阳光1994

摘要： 无监督学习的特点是训练数据没有标签，无监督学习识别和利用数据中的模式进行诸如数据压缩或降维（如自编码器）或生成模型（如GAN等）之类的任务。 数据的压缩和降维涉及到使用比原始数据表示更少的信息进行编码。 生成模型可以对训练及数据的分布进行逼近，然后从该近似分布中生成新的数据点。 无监督学习与有监督学 阅读全文

摘要： 机器学习任务可以分为三类： 有监督学习：用于分类、回归预测等，训练数据有标签 无监督学习：无标签 强化学习：通过与环境交互，训练智能体做出一系列动作使得累积奖励最大化 为了解决以上机器学习任务，机器学习的核心思想是函数逼近。存在不同类型的函数逼近器：线性模型、SVM、决策树、高斯过程、深度学习等。 阅读全文