半监督学习（基于生成模型）
1.基于损失函数和模型设计的主要深度半监督学习方法分类 2.Semi-supervised GANs [1] L. Schoneveld, “Semi-supervised learning with generative adversarial networks ...
原文：无监督学习：Deep Generative Mode（深度生成模型）
一 前言 . Creation 据说在费曼死后，人们在他生前的黑板上拍到如图画片，在左上角有道：What i cannot create ,I do not understand. Generative models，就是在做创造的事情。 . Image Processing 二 Generative Models 这是目前的主要方法。 . PixelRNN 每次生成一个像素，用这样的方法，没有任 ...
2018-08-11 13:55 0 1786 推荐指数：
相关推荐
无监督学习：Deep Auto-encoder（深度自动编码器）
一 Auto-encoder NN Encoder & NN Decoder 要一起训练。 二 Starting from PCA 三 Deep Auto-encoder PCA&Deep Auto-encoder 比较，明显后者效果更好。 当code ...
无监督学习
等应用 机器学习的分类 监督学习 （Supervised Learning） ...
机器学习模型| 无监督学习
无监督学习 相对监督学习（输入进x，有对应的y），没有标注 聚类 k均值 基于密度的聚类 最大期望聚类 降维 潜语义分析（LSA） 主成分分析（PCA） 奇异值分解（SVD） k 均值（k-means）是聚类算法中最 ...
监督学习和无监督学习区别
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. ...
监督学习与无监督学习
机器学习的常用方法，主要分为有监督学习(supervised learning)和无监督学习(unsupervised learning)。监督学习，就是人们常说的分类，通过已有的训练样本（即已知数据以及其对应的输出）去训练得到一个最优模型（这个模型 ...
什么是有监督学习和无监督学习
监督学习，就是人们常说的分类，通过已有的训练样本（即已知数据以及其对应的输出）去训练得到一个最优模型（这个模型属于某个函数的集合，最优则表示在某个评价准则下是最佳的），再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现分类的目的，也就具有了对未知数据进行分类的能力。在人 ...
有监督学习与无监督学习的区别
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 ...