机器学习基础 - 上.pdf

立即下载 作者: 老夫的少女心
上传时间: 2025-01-20
关键词: 学习 算法 数据 标记 标签 常见 监督式 包括 方式 回归
大小 1.1 MB
描述
14
第二章 机器学习基础
2.1 各种常见算法图示
回归算法 基于实例的算法 正则化方法
决策树学习 贝叶斯方法 基于核的算法
聚类算法 关联规则学习 人工神经网络
深度学习 降低维度算法 集成算法：
想要获取完整版资料，添加
解惑者学院 Jews 老师微信，
更有顶尖论文、项目经验及
面试经验分享，干货多多，
不容错过！！！
15
2.2监督学习、非监督学习、半监督学习、弱监督学习？
根据数据类型的不同，对一个问题的建模有不同的方式。依据不同的学习方式和输入数据，
机器学习主要分为以下四种学习方式。
监督学习：
1）监督学习是使用已知正确答案的示例来训练网络。已知数据和其一一对应的标签，训
练一个智能算法，将输入数据映射到标签的过程。
2）监督式学习的常见应用场景如分类问题和回归问题。
3）常见算法有逻辑回归（Logistic Regression）和反向传递神经网络（Back Propagation Neural
Network）
非监督式学习：
1）在非监督式学习中，数据并不被特别标识，适用于你具有数据集但无标签的情况。学
习模型是为了推断出数据的一些内在结构。
2）常见的应用场景包括关联规则的学习以及聚类等。
3）常见算法包括 Apriori 算法以及 k-Means 算法。
半监督式学习：
1）在此学习方式下，输入数据部分被标记，部分没有被标记，这种学习模型可以用来进
行预测。
2）应用场景包括分类和回归，算法包括一些对常用监督式学习算法的延伸，通过对已标
记数据建模，在此基础上，对未标记数据进行预测。
3）常见算法如图论推理算法（Graph Inference）或者拉普拉斯支持向量机（Laplacian SVM）
等。
弱监督学习
1）弱监督学习可以看做是有多个标记的数据集合，次集合可以是空集，单个元素，或包
含多种情况（没有标记，有一个标记，和有多个标记）的多个元素。
2）数据集的标签是不可靠的，这里的不可靠可以是标记不正确，多种标记，标记不充分，
局部标记等。
3）已知数据和其一一对应的弱标签，训练一个智能算法，将输入数据映射到一组更强的
标签的过程。标签的强弱指的是标签蕴含的信息量的多少，比如相对于分割的标签来说，分类
的标签就是弱标签。
16
4）举例，告诉一
目录
学习/算法/数据/标记/标签/常见/监督式/包括/方式/回归/ 学习/算法/数据/标记/标签/常见/监督式/包括/方式/回归/