無(wú)監(jiān)督和有監(jiān)督的區(qū)別

無(wú)監(jiān)督和有監(jiān)督的區(qū)別

無(wú)監(jiān)督和有監(jiān)督的區(qū)別如下：
1、有監(jiān)督學(xué)習(xí)：通過已有的訓(xùn)練樣本去訓(xùn)練得到一個(gè)**模型，再利用這個(gè)模型將所有的輸入映射為相應(yīng)的輸出，對(duì)輸出進(jìn)行簡(jiǎn)單的判斷從而實(shí)現(xiàn)預(yù)測(cè)和分類的目的，也就具有了對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)和分類的能力。
有監(jiān)督學(xué)習(xí)可分為 回歸和分類 。

回歸： 即給出一堆自變量X和因變量Y，擬合出一個(gè)函數(shù)，這些自變量X就是特征向量，因變量Y就是標(biāo)簽。

而且標(biāo)簽的值 連續(xù) 的百科，例LR。

分類 ：其數(shù)據(jù)集，由特征向量X和它們的標(biāo)簽Y組成，當(dāng)你利用數(shù)據(jù)訓(xùn)練出模型后，給你一個(gè)只知道特征向量不知道標(biāo)簽的數(shù)據(jù)，讓你求它的標(biāo)簽是哪一個(gè)？其輸出結(jié)果是 離散 的。例如logistics、SVM、KNN等。
2、無(wú)監(jiān)督學(xué)習(xí)：我們事先沒有任何訓(xùn)練樣本，而需要直接對(duì)數(shù)據(jù)進(jìn)行建模。

比如我們?nèi)⒂^一個(gè)畫展，我們完全對(duì)藝術(shù)一無(wú)所知，但是欣賞完多幅作品之后，我們也能把它們分成不同的派別。
無(wú)監(jiān)督學(xué)習(xí)主要算法是聚類，聚類目的在于把相似的東西聚在一起，主要通過計(jì)算樣本間和群體間距離得到，主要算法包括Kmeans、層次聚類、EM算法。

有監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)有什么不同嗎？

監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)的區(qū)別：
1、原理不同
監(jiān)督學(xué)習(xí)是指利用一組已知類別的樣本調(diào)整分類器的參數(shù)，使其達(dá)到所要求性能的過程。無(wú)監(jiān)督學(xué)習(xí)指根據(jù)類別未知(沒有被標(biāo)記)的訓(xùn)練樣本解決模式識(shí)別中的各種問題的過程。

2、算法不同
監(jiān)督學(xué)習(xí)的算法是通過分析已知類別的訓(xùn)練數(shù)據(jù)產(chǎn)生的。

無(wú)監(jiān)督學(xué)習(xí)的算法主要有主成分分析方法、等距映射方法、局部線性嵌入方法、拉普拉斯特征映射方法、黑塞局部線性嵌入方法和局部切空間排列方法等。
3、適用條件不同
監(jiān)督學(xué)習(xí)適用于樣本數(shù)據(jù)已知的情況。非監(jiān)督學(xué)習(xí)適用于無(wú)類別信息的情況。

有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的區(qū)別

機(jī)器學(xué)習(xí)任務(wù)根據(jù)訓(xùn)練樣本是否有l(wèi)abel，可以分為監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)監(jiān)督學(xué)習(xí)的訓(xùn)練樣本有l(wèi)abel，主要是學(xué)習(xí)得到一個(gè)特征空間到label的映射，如分類、回歸等無(wú)監(jiān)督學(xué)習(xí)的訓(xùn)練樣本沒有l(wèi)abel，主要是發(fā)現(xiàn)樣本的內(nèi)部結(jié)構(gòu)，如聚類、降維、可視化等

監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的區(qū)別

機(jī)器學(xué)習(xí)的常用方法，主要分為有監(jiān)督學(xué)習(xí)(supervised learning)和無(wú)監(jiān)督學(xué)習(xí)(unsupervised learning)。
監(jiān)督學(xué)習(xí)，就是人們常說(shuō)的分類，通過已有的訓(xùn)練樣本（即已知數(shù)據(jù)以及其對(duì)應(yīng)的輸出）去訓(xùn)練得到一個(gè)**模型（這個(gè)模型屬于某個(gè)函數(shù)的**，**則表示在某個(gè)評(píng)價(jià)準(zhǔn)則下是**的），再利用這個(gè)模型將所有的輸入映射為相應(yīng)的輸出，對(duì)輸出進(jìn)行簡(jiǎn)單的判斷從而實(shí)現(xiàn)分類的目的，也就具有了對(duì)未知數(shù)據(jù)進(jìn)行分類的能力。

在人對(duì)事物的認(rèn)識(shí)中，我們從孩子開始就被大人們教授這是鳥啊、那是豬啊、那是房子啊，等等。

我們所見到的景物就是輸入數(shù)據(jù)，而大人們對(duì)這些景物的判斷結(jié)果（是房子還是鳥?。┚褪窍鄳?yīng)的輸出。當(dāng)我們見識(shí)多了以后，腦子里就慢慢地得到了一些泛化的模型，這就是訓(xùn)練得到的那個(gè)（或者那些）函數(shù)，從而不需要大人在旁邊指點(diǎn)的時(shí)候，我們也能分辨的出來(lái)哪些是房子，哪些是鳥。監(jiān)督學(xué)習(xí)里典型的例子就是KNN、SVM。
無(wú)監(jiān)督學(xué)習(xí)（也有人叫非監(jiān)督學(xué)習(xí)，反正都差不多）則是另一種研究的比較多的學(xué)習(xí)方法，它與監(jiān)督學(xué)習(xí)的不同之處，在于我們事先沒有任何訓(xùn)練樣本，而需要直接對(duì)數(shù)據(jù)進(jìn)行建模。

這聽起來(lái)似乎有點(diǎn)不可思議，但是在我們自身認(rèn)識(shí)世界的過程中很多處都用到了無(wú)監(jiān)督學(xué)習(xí)。比如我們?nèi)⒂^一個(gè)畫展，我們完全對(duì)藝術(shù)一無(wú)所知，但是欣賞完多幅作品之后，我們也能把它們分成不同的派別（比如哪些更朦朧一點(diǎn)，哪些更寫實(shí)一些，即使我們不知道什么叫做朦朧派，什么叫做寫實(shí)派，但是至少我們能把他們分為兩個(gè)類）。無(wú)監(jiān)督學(xué)習(xí)里典型的例子就是聚類了。

聚類的目的在于把相似的東西聚在一起，而我們并不關(guān)心這一類是什么。因此，一個(gè)聚類算法通常只需要知道如何計(jì)算相似度就可以開始工作了。

有監(jiān)督和無(wú)監(jiān)督

1）.監(jiān)督式算法： 具有一個(gè)標(biāo)準(zhǔn)的本體，算法通過學(xué)習(xí)對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)，從而與本體進(jìn)行比較。（我知道我想要得到什么）對(duì)數(shù)據(jù)，一部分?jǐn)?shù)據(jù)用于訓(xùn)練模型，另一部分用于比較模型的正確率，有多少的匹配度就是多少的正確率。

2）.無(wú)監(jiān)督式算法： 不具有標(biāo)準(zhǔn)的本體，對(duì)于數(shù)據(jù)量龐大的數(shù)據(jù)集，我們想要找到其中隱藏的一些關(guān)系，則采用無(wú)監(jiān)督式算法。

需要將數(shù)據(jù)轉(zhuǎn)化為一種有意義可比較的格式，最終得到的會(huì)是具有一定關(guān)系的**。但是是否是我們想要的**取決于我們自己?？梢赃M(jìn)行強(qiáng)制的刪減某些數(shù)據(jù)以達(dá)到我們預(yù)期的特定分割。 3）.強(qiáng)化式算法： 研究試圖對(duì)強(qiáng)化學(xué)習(xí)模型進(jìn)行逆向反饋以改進(jìn)問題和技術(shù)的一種算法。

是一種延時(shí)的機(jī)制。是一個(gè)連續(xù)做決策的過程，在一個(gè)過程中輸入的數(shù)據(jù)的返回值會(huì)影響到下一個(gè)輸入數(shù)據(jù)的返回值。算法定義了reward，由于自己能夠察覺到signal并進(jìn)行自己定義的action，算法需要將結(jié)果與reward進(jìn)行比較，最終反饋以改進(jìn)模型。

RL沒有被嚴(yán)格地監(jiān)督，因?yàn)樗粐?yán)格地依賴于受監(jiān)督(或標(biāo)記)數(shù)據(jù)集(訓(xùn)練集)。它實(shí)際上依賴于能夠監(jiān)控所采取行動(dòng)的反應(yīng)，并根據(jù)對(duì)獎(jiǎng)勵(lì)的定義來(lái)衡量。但這也不是沒有監(jiān)督的學(xué)習(xí)，因?yàn)槲覀冎?，?dāng)我們對(duì)學(xué)習(xí)者進(jìn)行建模時(shí)，這就是預(yù)期的回報(bào)。

自監(jiān)督和無(wú)監(jiān)督的區(qū)別

自監(jiān)督和無(wú)監(jiān)督是機(jī)器學(xué)習(xí)中常見的兩個(gè)概念，它們的區(qū)別如下：
1. 監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的區(qū)別：
監(jiān)督學(xué)習(xí)是指在訓(xùn)練過程中，給機(jī)器提供了標(biāo)簽或者答案，機(jī)器通過學(xué)習(xí)這些標(biāo)簽或答案來(lái)訓(xùn)練模型。無(wú)監(jiān)督學(xué)習(xí)則是指在訓(xùn)練過程中，沒有給機(jī)器提供標(biāo)簽或者答案，機(jī)器需要自己從數(shù)據(jù)中探索出規(guī)律和模式來(lái)進(jìn)行學(xué)習(xí)。

2. 自監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的區(qū)別：
自監(jiān)督學(xué)習(xí)是一種特殊的無(wú)監(jiān)督學(xué)習(xí)方法，它利用數(shù)據(jù)本身的結(jié)構(gòu)和屬性，來(lái)自動(dòng)地生成標(biāo)簽或者特征，從而進(jìn)行模型的訓(xùn)練。

例如，在圖像分類問題中，可以將圖像旋轉(zhuǎn)一定角度，讓機(jī)器通過比較旋轉(zhuǎn)前后的圖像來(lái)學(xué)習(xí)圖像的特征。而無(wú)監(jiān)督學(xué)習(xí)則是只利用數(shù)據(jù)本身的結(jié)構(gòu)和屬性，沒有顯式地給出標(biāo)簽或者特征，機(jī)器需要自己從數(shù)據(jù)中學(xué)習(xí)到特征和模式。例如，在聚類問題中，機(jī)器需要根據(jù)數(shù)據(jù)的相似性進(jìn)行分類，但并不知道真正的標(biāo)簽。

總的來(lái)說(shuō)，自監(jiān)督和無(wú)監(jiān)督的主要區(qū)別在于是否需要人為地給出標(biāo)簽或者特征。

自監(jiān)督利用數(shù)據(jù)本身的結(jié)構(gòu)和屬性來(lái)生成標(biāo)簽或特征，而無(wú)監(jiān)督則完全不必要給出標(biāo)簽或特征，機(jī)器可以自己從數(shù)據(jù)中學(xué)習(xí)到。