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基础之后，在利用Pytorch搭建各种神经网络模型解决问题之前，我们需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。
以下均为个人学习笔记，若有错误望指出。
监督学习和无监督学习
常见的机器学习方法的类型如下：
- 监督学习：用已知标签的训练样本训练模型，用来预测未来输入样本的标签，如用于逻辑回归分类器。
- 无监督学习：不需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量已知标签的样本，而存在大量未标记的样本。
- 强化学习：通过设定一个回报函数 (reward function) 来反映我们最终的学习目标（比如我们希望训练模型的...更符合我们预期的目标），其次再通过不断训练得到一个逐步逼近我们训练目标（使得我们设定的回报函数最大）的模型。
