• 主页
  • 课程

    关于课程

    • 课程归档
    • 成为一名讲师
    • 讲师信息
    同等学历教学

    同等学历教学

    免费
    阅读更多
  • 特色
    • 展示
    • 关于我们
    • 问答
  • 事件
  • 个性化
  • 博客
  • 联系
  • 站点资源
    有任何问题吗?
    (00) 123 456 789
    weinfoadmin@weinformatics.cn
    注册登录
    恒诺新知
    • 主页
    • 课程

      关于课程

      • 课程归档
      • 成为一名讲师
      • 讲师信息
      同等学历教学

      同等学历教学

      免费
      阅读更多
    • 特色
      • 展示
      • 关于我们
      • 问答
    • 事件
    • 个性化
    • 博客
    • 联系
    • 站点资源

      R语言

      • 首页
      • 博客
      • R语言
      • 【机器学习】监督式和非监督式机器学习算法

      【机器学习】监督式和非监督式机器学习算法

      • 发布者 weinfoadmin
      • 分类 R语言
      • 日期 2016年4月21日
      测试开头

      什么是监督式机器学习,它与和非监督式机器学习有什么关联呢?

      本文中你将了解到监督式学习,非监督式学习和半监督式学习在阅读本文之后你将知道如下知识:

      • 有关分类和回归的监督式学习问题

      • 关于聚类和关联非监督式学习问题

      • 用于监督式和非监督式问题的Example算法案例

      • 半监督式学习介于监督式和非监督式学习之间

      让我们开始吧。

      监督式机器学习

      实际应用中的机器学习在大部分情况下我们都会使用监督式学习。

      监督式学习指的是你拥有一个输入变量$(x)$和一个输出变量$(Y)$,使用某种算法去学习从输入到输出的映射函数

      Y=f(X)

      Y=f(X)

      我们的目标是足够好的近似映射函数,以便当我们在新的数据$(x)$上可以预测输出变量$(Y)$

      这种学习方式就称之为监督式学习,因为算法学习从训练数据集学习的过程可以被看成类似于一名教师在监督学习学习的过程。我们已经知道了正确的答案,而算法不断迭代来对训练数据做出预测同时不断被一名教师修正。当算法达到一个可接受程度的表现时学习过程停止。

      监督式学习问题可以进一步被分为回归和分类问题

      • 分类:分类问题指的是当输出变量属于一个范畴,比如“红色”和“蓝色”或者“生病”和“未生病”。

      • 回归:回归问题指的是输出变量是一个实值,比如“价格”和“重量”

      还有一些种类的问题建立在分类和回归之上,包括推荐问题和时序预测

      一些流形的监督式机器学习算法的例子:

      回归问题中的线性回归
      分类和回归问题中的随机森林
      分类问题中的支持向量机

      非监督式机器学习

      非监督式学习指的是我们只拥有$(X)$但是没有相关的输出变量。

      非监督式学习的目标是对数据中潜在的结构和分布建模,以便对数据作更进一步的学习。

      这种学习方式就称为非监督式学习,因为其和监督式学习不同,对于学习并没有确切的答案和学习过程也没有教师监督。算法独自运行以发现和表达数据中的有意思的结构。

      非监督式学习问题可以进一步分为聚类问题和关联问题

      • 聚类问题:聚类学习问题指的是我们想在数据中发现内在的分组,比如以购买行为对顾客进行分组。

      • 关联问题:关联问题学习问题指的是我们想发现数据的各部分之间的联系和规则,例如购买X物品的顾客也喜欢购买Y物品。

      一些流形的非监督式学习算法的例子:

      • 聚类问题的k-means算法

      • 关联规则学习问题中的Apriori算法

      半监督式机器学习

      当我们拥有大部分的输入数据$(X)$但是只有少部分的数据拥有标签$(Y)$,这种情形称为半监督式学习问题

      半监督式学习问题介于监督式和非监督式学习之间。这里有一个好例子如:照片分类,但是只有部分照片带有标签(如,狗、猫和人),但是大部分照片都没有标签。

      许多现实中的机器学习问题都可以归纳为这一类。因为对数据打标签需要专业领域的知识,这是费时费力的。相反无标签的数据和收集和存储起来都是方便和便宜的。

      我们可以使用非监督式学习的技术来发现和学习输入变量的结构。

      我们也可以使用监督式学习技术对无标签的数据进行标签的预测,把这些数据传递给监督式学习算法作为训练数据,然后使用这个模型在新的数据上进行预测。

      总结

      从本文你可以了解到监督式,非监督式和半监督式学习的不同之处。你现在直到如下:

      • 监督式学习:所有的数据都有标签并且算法从输入数据学习如何预测输

      • 非监督式学习:所有的数据都是无标签的并且算法从输入数据中学习数据固有的结构

      • 半监督式学习:部分数据是有标签的,但大部分没有标签,是一种监督式和非监督式学习的手段都可以使用的学习方法。

      关于监督式,非监督式或者半监督式学习,你有什么问题吗?欢迎留下评论,我将竭力解答。
      原文链接:Supervised and Unsupervised Machine Learning Algorithms

      作者:陈昭男,爱数据爱生活

      严禁修改,可以转载,请注明数据人网和原文链接。


      伙伴们,要了解更多精彩,请点击阅读原文,进入数据人网。

      数据人网是数据人学习、交流和分享的平台,核心功能是学习、交流和分享数据知识,包括数据思维、数据方法、数据工具和数据框架。



      测试结尾

      请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!

      • 分享:
      作者头像
      weinfoadmin

      上一篇文章

      【微课堂】Accelerate R applications by cuda on GPU
      2016年4月21日

      下一篇文章

      【数据挖掘】27本免费的数据挖掘书籍
      2016年4月23日

      你可能也喜欢

      3-1665801675
      R语言学习:重读《R数据科学(中文版)》书籍
      28 9月, 2022
      6-1652833487
      经典铁死亡,再出新思路
      16 5月, 2022
      1-1651501980
      R语言学习:阅读《R For Everyone 》(第二版)
      1 5月, 2022

      搜索

      分类

      • R语言
      • TCGA数据挖掘
      • 单细胞RNA-seq测序
      • 在线会议直播预告与回放
      • 数据分析那些事儿分类
      • 未分类
      • 生信星球
      • 老俊俊的生信笔记

      投稿培训

      免费

      alphafold2培训

      免费

      群晖配置培训

      免费

      最新博文

      Nature | 单细胞技术揭示衰老细胞与肌肉再生
      301月2023
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      301月2023
      如何快速批量修改 Git 提交记录中的用户信息
      261月2023
      logo-eduma-the-best-lms-wordpress-theme

      (00) 123 456 789

      weinfoadmin@weinformatics.cn

      恒诺新知

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      链接

      • 课程
      • 事件
      • 展示
      • 问答

      支持

      • 文档
      • 论坛
      • 语言包
      • 发行状态

      推荐

      • iHub汉语代码托管
      • iLAB耗材管理
      • WooCommerce
      • 丁香园论坛

      weinformatics 即 恒诺新知。ICP备案号:粤ICP备19129767号

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      要成为一名讲师吗?

      加入数以千计的演讲者获得100%课时费!

      现在开始

      用你的站点账户登录

      忘记密码?

      还不是会员? 现在注册

      注册新帐户

      已经拥有注册账户? 现在登录

      close
      会员购买 你还没有登录,请先登录
      • ¥99 VIP-1个月
      • ¥199 VIP-半年
      • ¥299 VIP-1年
      在线支付 激活码

      立即支付
      支付宝
      微信支付
      请使用 支付宝 或 微信 扫码支付
      登录
      注册|忘记密码?