Pytorch_第五篇_深度学习 (DeepLearning) 基础 [1]---监督学习与无监督学习

深度学习 (DeepLearning) 基础 [1]---监督学习与无监督学习


Introduce

学习了Pytorch基础之后,在利用Pytorch搭建各种神经网络模型解决问题之前,我们需要了解深度学习的一些基础知识。本文主要介绍监督学习和无监督学习。

以下均为个人学习笔记,若有错误望指出。


监督学习和无监督学习

常见的机器学习方法的类型如下:

  • 监督学习:用已知标签的训练样本训练模型,用来预测未来输入样本的标签,如用于逻辑回归分类器。
  • 无监督学习:不需要有已知标签的训练样本,而是直接对数据建模,如Kmeans等模型。
  • 半监督学习:在训练阶段使用的训练样本集中只有少量已知标签的样本,而存在大量未标记的样本。
  • 强化学习:通过设定一个回报函数 (reward function) 来反映我们最终的学习目标(比如我们希望训练模型的...更符合我们预期的目标),其次再通过不断训练得到一个逐步逼近我们训练目标(使得我们设定的回报函数最大)的模型。

本文参考-1

posted @ 2020-08-04 15:04  沁泽  阅读(186)  评论(0编辑  收藏