【大咖來解惑】無監督和有監督演算法，區別在哪裡？

1 人贊了文章

@echo_J：#我要提問段立新老師#請問老師，無監督和有監督演算法的區別是什麼？

段立新老師：

有監督和無監督演算法的區別是以訓練數據有沒有標籤區分的。

比如識別貓和狗的照片，這就是一個有監督的學習過程，必須告訴機器每一張照片所屬的類別（貓或者狗），也就是對具有標籤信息的訓練樣本進行學習，來儘可能對訓練樣本集意外的數據進行分類。

而無監督就是沒有標籤信息的一個學習過程，來發現訓練樣本集中的結構性知識。常見的有監督演算法包括線性回歸、邏輯回歸LR、決策樹、支持向量機SVM等等，無監督演算法有聚類演算法、PCA等等。

@我叫Belle：#我要提問連德富老師#SVM、LR、決策樹的對比？

連德富老師：

SVM和LR都是用於線性分類的演算法，但SVM強於LR的地方在於SVM可以引入核函數將非線性可分的學習數據映射到高維變得線性可分，一般小數據中SVM比LR更優一些。但LR可以預測概率，而SVM不可以，它依賴於數據測度，需要先做歸一化，LR一般不需要，所以大量的數據，LR使用更廣泛。

決策樹也是用於分類任務，不過是基於規則劃分的演算法，根據特徵的信息增益或者信息增益比指定劃分規則，建立樹狀結構，通過葉節點給出分類的類別。?????

@Aaron：#我要提問蘇涵老師#能否解釋一下對偶的概念？

蘇涵老師：

一個優化問題可以從兩個角度進行考察，一個是primal 問題，一個是dual 問題，就是對偶問題。一般情況下對偶問題給出主問題最優值的下界，在強對偶性成立的情況下由對偶問題可以得到主問題的最優下界，對偶問題是凸優化問題，可以進行較好的求解，SVM中就是將primal問題轉換為dual問題進行求解，從而進一步引入核函數的思想。

尋道科技會經常做大數據方面的答疑匯總，供大家一同討論。如果您在大數據技術及其在教育領域應用等方面有困惑，歡迎關注我們的公眾號（尋道科技，ID：XDbigdata）在我們的公眾號對話框留言提問~

推薦閱讀：