小米网站开发流程书,域名备案需要多久,扶余市建设局网站,制作网站参考案例无监督学习 什么是无监督学习分类聚类降维 有监督和无监督学习的区别 上一节介绍了监督学习#xff0c;下面来介绍无监督学习#xff0c;这也是最广泛应用的算法。 什么是无监督学习
上一节中#xff0c;我们知道了监督学习是通过 对算法#xff0c;**输入一对数据#x… 无监督学习 什么是无监督学习分类聚类降维 有监督和无监督学习的区别 上一节介绍了监督学习下面来介绍无监督学习这也是最广泛应用的算法。 什么是无监督学习
上一节中我们知道了监督学习是通过 对算法**输入一对数据也就是input和label也就是正确答案**来训练算法。 举个通俗点的例子就是既告诉算法输入的是什么又告诉算法正确的答案是什么这样输入算法训练完成后算法就会学会怎么构造这种输出然后正式使用的时候输出预测值
而无监督学习喂给算法的不是一对数据只有输入并不告诉算法正确的答案反而通过算法来自动分类发现他们内在的关联所以这种算法是在没有监督的情况下进行的输出这就是无监督学习。 举个通俗点的例子比如推荐新闻的时候会通过寻找文件之间的相似性将他们进行分类这种方法就是所谓的聚类。因为每天搜索的新闻千变万化这种庞大的数量导致没有人告诉算法什么词和什么词会是同一种分类。这种算法是自动的计算出动物园应该和熊猫放在同一组A和B应该在同一组。
分类
无监督学习最常用的就是聚类和降维了。
聚类
无监督学习其中重要的应用就是聚类给定一堆输入从中把相似的数据分到同一个组这就是聚类。典型的应用就是新闻聚类、异常检测、细分市场分类等
降维
把一个大的数据集压缩到一个小的数据集并且尽可能丢失尽量少的信息这就是降维。比如视频压缩、图片压缩等等现在通常用在大模型中的处理因为输入的视频数据数据量很大怎么能够在不丢失信息的情况下降维数据就成了很重要的一点。
有监督和无监督学习的区别 用上面的图来形象的表示下二者的区别有监督是根据输入的数据对拟合一个复杂函数区分类别而另外一个则是给数据分堆至于具体怎么分堆以及怎么拟合这些复杂的输入则输入下面章节的内容。 一句话来说有监督和无监督区别就在于是否训练前就知道正确答案。 比如他们都可以分类但是不同的是有监督是在有答案的情况下分类但是无监督则是发现这些输入可以分成几类但是提前并不知情。
