以下是摘抄自知乎上对监督学习与非监督学习的总结，觉得写得很形象，于是记下： 这个问题可以回答得很简单：是否有监督（supervised），就看输入数据是否有标签（label）。输入数据有标签，则为有监督学习，没标签则为无监督学习首 先看什么是学习（learning）？一个成语就可概括：举一反三 ...

在机器学习中，监督学习和非监督学习算法是非常重要的，但是二者应该如何区分开来呢？ 要向对二者进行区分，首先就要对训练的数据进行检查，看一下训练数据中是否有标签，这是二者最根本的区别。监督学习的数据既有特征又有标签，而非监督学习的数据中只有特征而没有标签。 监督学习是通过训练让机器自己找到特征 ...

机器学习分为：监督学习，无监督学习，半监督学习（也可以用hinton所说的强化学习）等。 监督与无监督区别： 1. 有监督学习方法必须要有训练集与测试样本。在训练集中找规律，而对测试样本使用这种规律。而非监督学习没有训练集，只有一组数据，在该组数据集内寻找规律。 2. ...

有监督学习和无监督学习两者的区别： 1.有标签就是有监督学习，没有标签就是无监督学习，说的详细一点，有监督学习的目的是在训练集中找规律，然后对测试数据运用这种规律，而无监督学习没有训练集，只有一组数据，在该组数据集内寻找规律。 2. 无监督学习方法在寻找数据集中的规律性，这种规律性并不一定 ...

监督学习：  监督学习是目前最主流的学习方式，其特点是：训练过程中样本都是有标签的。  常见的监督学习任务有：分类、回归、序列标注等。  学习步骤大致可以分为三步（以SVM为例）：     1) 在有监督数据上训练，学的一个判别器W；     2）然后在测试集（故意把标签P抹去）上，用上 ...

监督式学习：全部使用含有标签的数据来训练分类器。 无监督式学习：具有数据集但无标签（即聚类）。 半监督学习：使用大量含有标签的数据和少量不含标签的数据进行训练分类或者聚类。 半监督学习：纯半监督学习和直推式学习 纯半监督学习和直推式学习的区别： 半监督学习在学习使并不知道最终 ...

转自：https://zhuanlan.zhihu.com/p/108906502 1. 什么是自监督学习？ 自监督学习主要是利用辅助任务（pretext）从大规模的无监督数据中挖掘自身的监督信息，通过这种构造的监督信息对网络进行训练，从而可以学习到对下游任务有价值的表征。 2.如何评测 ...

1 监督学习 　　利用一组带标签的数据, 学习从输入到输出的映射, 然后将这种映射关系应用到未知数据, 达到分类或者回归的目的 　　(1) 分类: 当输出是离散的, 学习任务为分类任务 　　　　 　　　　输入: 一组有标签的训练数据(也叫观察和评估), 标签表明了这些数据(观察)的所属类别 ...