当前位置: 首页 > news >正文

【机器学习】什么是监督学习、半监督学习、无监督学习、自监督学习以及弱监督学习

  • 监督学习(Supervised Learning):利用大量的标注数据来训练模型,模型最终学习到输入与输出标签之间的相关性。
  • 半监督学习(Semi- supervised Learning):利用少量有标签数据和大量无标签数据来训练模型。常用做法是先用有标签数据(较小规模的)训练一个Teacher模型,再用这个模型对无标签数据(较大规模的)预测伪标签,作为Student模型的训练数据;
  • 无监督学习(Unsupervised Learning):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,如聚类、降维。
  • 自监督学习(Self- supervised Learning):利用代理任务(pretext task)从大规模的无监督数据中挖掘自身的监督信息,通过这种构造的监督信息对网络进行训练,从而可以学习到对下游任务有价值的表征, 如对比学习。
  • 弱监督(Weakly Supervised Learning):可以分为不完全监督(Incomplete supervision),不确切监督(Inexact supervision),不精确监督(Inaccurate supervision)。不完全监督是指,训练数据中只有一部分数据被给了标签,有一些数据是没有标签的;不确切监督是指,训练数据只给出了粗粒度标签。我们可以把输入想象成一个包,这个包里面有一些示例,我们只知道这个包的标签,Y或N,但是我们不知道每个示例的标签;不精确监督是指,给出的标签不总是正确的,比如本来应该是Y的标签被错误标记成了N。

注:其实现在很多论文里对自监督和无监督已经不做区分。

http://www.lryc.cn/news/40027.html

相关文章:

  • HashiCorp packer 制作AWS AMI镜像示例
  • 【java基础】根据泛型动态构造jackson的TypeReference(json反序列化为带泛型的类的对象)
  • 为什么VMware会给我多创建了两个网络呢?Windows和Linux为什么可以彼此ping的通呢
  • 服务器带宽承载多少人同时访问计算方法-浏览器中查看当前网页所有资源数据大小-客服系统高并发承载人数【唯一客服】...
  • 给新手----编译VSOMEIP保姆级别教程
  • MarkDown设置上下标
  • Python批量爬取游戏卡牌信息
  • 什么是PCB走线的3W原则
  • 计算机网络面试总结
  • VsCode SSH远程连接服务器【内网穿透公网连接】
  • 十八、动画与canvas
  • 自动化测试学习-Day4-selenium的安装和8种定位方法
  • 【Kubernetes】第二十五篇 - 布署 nodejs 后端项目(下)
  • 贪心算法之区间问题总结
  • 无线WiFi安全渗透与攻防(七)之WIFI07-WEP-wifite自动化渗透WEP加密
  • 震撼,支持多模态模型的ChatGPT 4.0发布了
  • IDEA常用插件列表
  • 比df更好用的命令!
  • 【Git使用学习】记录学习过程(1)
  • K_A18_001 基于STM32等单片机采集MQ2传感参数串口与OLED0.96双显示
  • 【云原生·Docker】常用命令
  • 户外露营储能电源芯片CSU3AF10
  • 无线WiFi安全渗透与攻防(八)之WEP-Hirte渗透WEP加密
  • 前端常考面试题整理
  • 二十二、身份验证与权限
  • k8s pod 升级与回滚
  • 【Go】Go语言开发环境安装
  • el-switch使用
  • 【算法入门】字符串基础
  • 前端面试题 —— 浏览器原理(二)