iT邦幫忙

第 12 屆 iThome 鐵人賽

DAY 2
0

下面這張圖主要說明,機器學習主要分成: Supervised Learning(監督式學習)、Unsupervised learning(非監督式學習)、Semi-supervised Learning(非監督式學習)、Unsupervised Learning(非監督式學習)、Transfer Learning(遷移式學習)、Reinforcement Learning(強化式學習)。

以下所介紹都是以Supervised Learning為主,所謂的Supervised Learning指必須要有大量的training data,並且需要告訴機器input及output之間的關係,例如給一張狗的圖片,必須告訴它這是狗,給一張貓的圖片,必須告訴它這是貓,這樣的動作通常較label。

所以當我們用Supervised Learning做學習時,必須告訴機器input及output是什麼。

https://ithelp.ithome.com.tw/upload/images/20190913/201161571HKsg6ypVQ.png

  • Regression:
    它的輸出是個數值。ML_Day1(什麼是機器學習)有提到,首先我們先準備一些資料給機器,機器學習後可以預測未來時間的PM2.5。

https://ithelp.ithome.com.tw/upload/images/20190913/20116157mSJEXytM02.png

  • Classification:
    跟Regression輸出的類型是不一樣的,其中binary classification輸出yes or no,multi-classification輸出數個選項,每一個選項代表一個類別。
  1. binary classification:
    input為每一封郵件,output為每一封郵件是否為垃圾郵件,也就是yes or no的結果。
    https://ithelp.ithome.com.tw/upload/images/20190913/20116157Z0bw1sVQAl.png

  2. multi-classification:
    首先必須準備多篇文章,並且告訴機器每一篇文章相對應的類別,最後給它新的文章,希望機器能給出正確的結果。
    https://ithelp.ithome.com.tw/upload/images/20190913/20116157HQdvlXRAKd.png


上一篇
AI & Data_1(什麼是機器學習)
下一篇
AI & Data_3(機器學習的數學基礎)
系列文
機器學習入門與論文分享3
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言