Pytorch_第五篇_深度学习 (DeepLearning) 基础 [1]---监督学习与无监督学习

深度学习 (DeepLearning) 基础 [1]---监督学习与无监督学习

---

Introduce

学习了Pytorch基础以后，在利用Pytorch搭建各类神经网络模型解决问题以前，咱们须要了解深度学习的一些基础知识。本文主要介绍监督学习和无监督学习。

如下均为我的学习笔记，如有错误望指出。

---

监督学习和无监督学习

常见的机器学习方法的类型以下：

• 监督学习：用已知标签的训练样本训练模型，用来预测将来输入样本的标签，如用于逻辑回归分类器。
• 无监督学习：不须要有已知标签的训练样本，而是直接对数据建模，如Kmeans等模型。
• 半监督学习：在训练阶段使用的训练样本集中只有少许已知标签的样本，而存在大量未标记的样本。
• 强化学习：经过设定一个回报函数 (reward function) 来反映咱们最终的学习目标（好比咱们但愿训练模型的...更符合咱们预期的目标），其次再经过不断训练获得一个逐步逼近咱们训练目标（使得咱们设定的回报函数最大）的模型。

---

本文参考-1