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：  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 ...

等应用　　机器学习的分类 　　　　监督学习 （Supervised Learning） 　　　　　 ...

　　　 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 ...

　　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 ...

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 ...

1、监督学习 　　监督学习利用大量的标注数据来训练模型，模型的预测和数据的真实标签产生损失（把标签数值化？）后进行反向传播（计算梯度、更新参数），通过不断的学习，最终可以获得识别新样本的能力。 2、无监督学习 　　无监督学习不依赖任何标签值，通过对数据内在特征的挖掘，找到样本间的关系 ...

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 ...