— Posted in 電腦資訊

[轉錄]監督式(supervised)與非監督式(unsupervised)的統計學習

來源:http://tomatokafka.pixnet.net/blog/post/112072243-%E7%9B%A3%E7%9D%A3%E5%BC%8F(supervised)%E8%88%87%E9%9D%9E%E7%9B%A3%E7%9D%A3%E5%BC%8F(unsupervised)%E7%9A%84%E7%B5%B1%E8%A8%88

來源:http://mropengate.blogspot.tw/2015/05/ai-supervised-learning.html

來源:http://tzanfeng.pixnet.net/blog/post/25614373

監督式(Supervised)的統計學習,談的是在已知的一些資料輸入(input data in terms of specific characteristics)項目後,能夠透過模型與對應關係的建構得到可以預期或是有預測能力的特定資料輸出(predictive output),這樣的學習過程被稱之為監督式的統計學習,因為我們能夠透過模型與變數間相對關係的界定去了解變化的情況;簡單的說,就是透過這樣的資訊解析過程,了解其中資訊的變化,並進行相關資訊的萃取與解讀。

非監督式(Unsupervised)的統計學習,討論的則是在給定相關資料輸入(data input)之後,我們透過適當的資料處理與聚合讓資料替自己說話,透過輸入資料的形式(可能是連續變數的衡量,也可能是類別資料的型態),來呈現出資料之間彼此相關的程度,但是對於資料輸出的情況是無法預測,也不可能在事前因為對過往模型的熟吝而有相關的預測能力者,資料最後輸出的型態完全取決於目前手邊資料自身的特性與型態,而我們只是透過特定的邏輯與方法,來呈現資料自身原來的樣貌,這樣的學習過程被稱之為非監督式的統計學習。

=======================================================

監督學習 (Supervised learning):從給定的訓練數據集中學習出一個模式(函數 / learning model),當新的數據到來時,可以根據這個模式預測結果。監督學習的訓練集要求是包括輸入和輸出,也可以說是特徵和目標。訓練集中的目標是由人標註的。常見的監督學習算法包括回歸分析和統計分類。

非監督學習 (unsupervised learning):與監督學習相比,訓練集沒有人為標註的結果。常見的無監督學習算法有聚類。

半監督學習 (Semi-supervised learning):介於監督學習與無監督學習之間。

增強學習 (reinforcement learning):通過觀察來學習做成如何的動作。每個動作都會對環境有所影響,學習對象根據觀察到的周圍環境的反饋來做出判斷。

======================================================

機器學習又分為監督式學習(supervised Learning)、非監督式學習(Unsupervised Learning)與加強式學習(Reinforcement Learning)。監督式與非監督式的差別在於有無訓練資料