iT邦幫忙

2023 iThome 鐵人賽

DAY 2
2

本篇僅大概敘述各種情境,無深入探討,各情境常用演算法等將在之後的文章中討論

Supervised Learning (監督式學習)

  • 會告訴機器正確的答案(像是告訴機器收到A就回應B)
  • learning from teacher(會有人告訴它每個問題的答案)

Unsupervised Learning(無監督式學習)

  • 讓機器在無label的情況下學習
  • 他學習的並不是某個答案,而是某種模式或架構
  • 比如讓機器看了多種動物後,他是否能自己創造出動物

Semi-supervised Learning (半監督式學習)

  • 給機器少量的labeled data及大量的unlabeled data
  • 常見方式有自學習,機器可以用自學的方式將unlabeled data標上label

Transfer Learning(遷移學習)

  • 有一組少量但有labeled的data,跟許多不相關的labeled和unlabeled data混合的資料集
  • 此情境探討的是那些不相關的data是否對訓練model有所幫助

Reinforcement Learning(增強式學習)

  • 不同於監督式學習,機器只會得到一個分數,代表著它做的好或不好(即使機器得知此次給出的回應不好,也不會知道是為何不好,他必須自己去分析)
  • learning from critics(從評價中學習)
  • 較符合人類真正的學習情境

參考資料


上一篇
Day1-前言、機器要解決的問題
下一篇
Day3-線性回歸 (Linear Regression)
系列文
什麼演算法?一起來學機器學習!30
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