iT邦幫忙

2021 iThome 鐵人賽

DAY 10
0
自我挑戰組

Machine Learning With Me ,從零開始機器學習!系列 第 10

Day 10 : 機器學習大雜燴

機器學習可以分為四大類

  • 監督式學習 Supervised Learning
  • 非監督式學習 Unsupervised Learning
  • 半監督式學習 Semi-supervised Learning
  • 增強式學習 Reinforcement Learning

我們將一個一個為各位介紹。

  1. 監督式學習 Supervised Learning
    監督式學習顧名思義,也就是有「人」在一旁監督學習的過程與結果,只是今天「人」這個角色由機器來自行扮演。一般而言我們會將所有確定好的資料都標上標籤(Label),並告訴機器相對應的值,在最終輸出後可以利用輸出的值來判斷準確度的誤差。這種方法便是人工分類。這個方法的限制就是輸入的資料都要有自己的「結果」,例如今天希望程式去區分貓和狗,就必須要提供機器100張貓與100張狗的照片,機器依照標籤的照片去偵測兩者的特徵並進行預測。

  2. 非監督式學習Unsupervised Learning
    非監督式學習便是反向的監督式學習,沒有人在一旁監督查看。所有資料都沒有被貼上標籤,所以機器必須要自己尋找這些輸入資料的特徵值,在依照結果進行資料的分類。以人的觀點來看是稀鬆平常的事情,但機器並不能這麼靈活判斷特徵之間的差別,所以預測結果的誤差值將會比較大。

  3. 半監督式學習Semi-supervised Learning
    半監督式學習是監督式學習與非監督式學習兩種的類複合體,他會對少量的資料貼上標籤,而機器會透過這些有標籤的資料進行特徵萃取,並進一步分類。這種方法預測會比非監督式學習好一點。舉例來說若有100張照片,我們將10張照片貼上「熊貓」的標籤,機器便會利用這十張的照片去分類剩餘的照片。

  4. 增強式學習 Reinforcement Learning
    增強式學習是一種較為特別的分類,機器會透過每一次與環境之間的互動來進行學習,以期能取得最大的預期效益。輸入時的資料不會貼上標籤,但是我們會告訴機器他所採取的哪一個步驟是對的,哪一個步驟是錯誤的。根據反饋的好壞,機器就會慢慢逐步修正,得到我們所預測的正確答案。

https://ithelp.ithome.com.tw/upload/images/20210916/20141566PWJFh6wqPm.png

資料參考:
https://www.ecloudvalley.com/zh-hant/machine-learning/
https://www.wpgdadatong.com/cn/blog/detail?BID=B0553


上一篇
Day 09: 機器學習你知多少?
下一篇
Day 11: 人工神經網路初探 基礎知識建立
系列文
Machine Learning With Me ,從零開始機器學習!30

尚未有邦友留言

立即登入留言