【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:
※我把蒼井空的照片放進人工智慧算了算
※人工智慧技術可以通過眼球運動判斷性格
※人工智慧的未來 ——記憶、知識、語言
※人工智慧 未來路在何方