🏷️Supervised learning vs Unsupervised learning🔍
机器学习有两种基本范式。关键区别在于训练数据是否附带正确答案。
用 moomz 发起投票:谁赢?
moomz.com — 10秒、匿名、免费
🏷️Supervised learning
- ✓在包含已知标签或答案的数据上训练
- ✓学习从输入预测输出
- ✓用于分类和回归任务
- ✓可以用真实标签衡量准确率
- ✓需要成本较高的人工标注训练数据
🔍Unsupervised learning
- ✓在完全没有标签的数据上训练
- ✓发现隐藏的结构和模式
- ✓用于聚类和降维任务
- ✓缺乏标准答案，评估较为困难
- ✓可以利用大量原始的未标注数据
结论
当你有带标签的样本且有明确的预测目标时，使用监督学习。当你想探索无标签数据并发现事先未定义的分组时，使用无监督学习。
常见问题
哪种方法需要标注数据？+
监督学习。它需要输入-输出对，其中正确答案已经预先知道。
无监督学习的典型任务是什么？+
聚类——在没有任何预定义类别的情况下，将相似的数据点归为一组。
哪种方法更好？+
没有绝对的优劣。正确的选择取决于你的数据是否有标签以及你需要解决的问题。
其他语言