机器学习是人工智能的一个分支。机器学习可以定义为对算法的研究或创建,可以使用数据来开发算法。它的应用包括商业问题、数据科学和许多其他领域。ML专注于创建一个程序,该程序可以访问现实世界中的数据,并使用这些数据来改进和发展自己。


简单地说,ML将历史数据作为输入并提供输出。ML程序通常是用Python编写的,如果你想成为一名ML开发人员,那么你至少应该在Python中有效率。如果你想掌握任何编程语言,那么请看这篇文章,在这里我讨论了大多数有经验的程序员在编程时代成为大师所使用的技术。

无监督、有监督和半监督算法是机器学习的三种方法,如何了解它们的异同?

机器学习方法


监督机器学习算法


大多数机器学习算法使用监督学习。


监督学习算法是一种算法,在这种算法中,你必须输入任何类型的变量,如x,并产生一个输出变量Y。有监督的ML算法所做的是创建一个映射函数,让您从输入到输出。函数Y=f(X)就是一个例子


其目的是将映射函数近似到一个级别,在该级别中,您可以拥有新的输入数据,该数据可以一致地为该特定数据预测适当的Y值。


无监督机器学习算法


在无监督的ML算法中,您只需输入数据—不需要提供任何输出变量。无监督ML算法的主要目的是对数据的底层结构或分布进行建模,以获得更多的数据。


他们被称为“无监督”,因为没有大师,也没有一个准确的答案。算法由自己的设备来发现和呈现数据中最有趣的结构。


半监督机器学习算法


半监督算法是大多数现实世界问题的所在,即用户拥有大量输入数据和极少量标记为Y的数据的问题。这些类型的算法介于有监督和无监督ML算法之间


一个很好的例子是照片存档,其中只有一些图像有标签(例如狗、猫、人),而大多数图像没有标签。



免责声明

我来说几句

不吐不快,我来说两句
最新评论

还没有人评论哦,抢沙发吧~