無監(jiān)督學(xué)習(xí)是一種根據(jù)未標(biāo)注數(shù)據(jù)進(jìn)行推斷的機(jī)器學(xué)習(xí)方法。無監(jiān)督學(xué)習(xí)旨在識(shí)別數(shù)據(jù)中隱藏的模式和關(guān)系，無需任何監(jiān)督或關(guān)于結(jié)果的先驗(yàn)知識(shí)。
2025-05-16 14:48:44
1265 
在本章中，我們將討論機(jī)器學(xué)習(xí)技術(shù)在圖像處理中的應(yīng)用。首先，定義機(jī)器學(xué)習(xí)，并學(xué)習(xí)它的兩種算法——監(jiān)督算法和無監(jiān)督算法；其次，討論一些流行的無監(jiān)督機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用，如聚類和圖像分割等問題。
2022-10-18 16:08:023098 在本章中，我們將討論機(jī)器學(xué)習(xí)技術(shù)在圖像處理中的應(yīng)用。首先，定義機(jī)器學(xué)習(xí)，并學(xué)習(xí)它的兩種算法——監(jiān)督算法和無監(jiān)督算法；其次，討論一些流行的無監(jiān)督機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用，如聚類和圖像分割等問題。
2022-10-20 10:52:542539 ?機(jī)器學(xué)習(xí)按照模型類型分為監(jiān)督學(xué)習(xí)模型、無監(jiān)督學(xué)習(xí)模型兩大類。 1. 有監(jiān)督學(xué)習(xí) 有監(jiān)督學(xué)習(xí)通常是利用帶有專家標(biāo)注的標(biāo)簽的訓(xùn)練數(shù)據(jù)，學(xué)習(xí)一個(gè)從輸入變量X到輸入變量Y的函數(shù)映射。Y = f (X
2023-09-05 11:45:064406 
本文轉(zhuǎn)自：DeepHubIMBA無監(jiān)督異常檢測(cè)作為機(jī)器學(xué)習(xí)領(lǐng)域的重要分支，專門用于在缺乏標(biāo)記數(shù)據(jù)的環(huán)境中識(shí)別異常事件。本文深入探討異常檢測(cè)技術(shù)的理論基礎(chǔ)與實(shí)踐應(yīng)用，通過IsolationForest
2025-06-24 11:40:051267 
`保護(hù)金屬膜電容的措施很多人對(duì)于金屬膜電容的保護(hù)措施不屑一顧，一旦出現(xiàn)問題的時(shí)候，才會(huì)不知所措了，所以只有做好保護(hù)措施才是非常重要的。其實(shí)電容同普通的電容器一樣都是非常的脆弱的，在使用的時(shí)候一定
2015-03-27 08:44:12
`轉(zhuǎn)一篇好資料機(jī)器學(xué)習(xí)算法可以分為三大類：監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。監(jiān)督學(xué)習(xí)可用于一個(gè)特定的數(shù)據(jù)集（訓(xùn)練集）具有某一屬性（標(biāo)簽），但是其他數(shù)據(jù)沒有標(biāo)簽或者需要預(yù)測(cè)標(biāo)簽的情況。無監(jiān)督學(xué)習(xí)可用
2017-04-18 18:28:36
機(jī)器學(xué)習(xí)的未來在工業(yè)領(lǐng)域采用機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)和大數(shù)據(jù)工業(yè)人工智能生態(tài)系統(tǒng)
2020-12-16 07:47:35
機(jī)器學(xué)習(xí)的未來在工業(yè)領(lǐng)域采用機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)和大數(shù)據(jù)
2021-01-27 06:02:18
用最火的Python語言、通過各種各樣的機(jī)器學(xué)習(xí)算法來解決實(shí)際問題！資料中介紹的主要問題如下：- 探索分類分析算法并將其應(yīng)用于收入等級(jí)評(píng)估問題- 使用預(yù)測(cè)建模并將其應(yīng)用到實(shí)際問題中- 了解如何使用無
2019-08-28 15:06:22
、謀發(fā)展的決定性手段，這使得這一過去為分析師和數(shù)學(xué)家所專屬的研究領(lǐng)域越來越為人們所矚目。本書第一部分主要介紹機(jī)器學(xué)習(xí)基礎(chǔ)，以及如何利用算法進(jìn)行分類，并逐步介紹了多種經(jīng)典的監(jiān)督學(xué)習(xí)算法，如k近鄰算法
2017-06-01 15:49:24
的性能。2.機(jī)器學(xué)習(xí)是對(duì)能通過經(jīng)驗(yàn)自動(dòng)改進(jìn)的計(jì)算機(jī)算法的研究。3.機(jī)器學(xué)習(xí)是用數(shù)據(jù)或以往的經(jīng)驗(yàn)，以此優(yōu)化計(jì)算機(jī)程序的性能標(biāo)準(zhǔn)。機(jī)器學(xué)習(xí)算法可以分成下面幾種類別：?監(jiān)督學(xué)習(xí)：從給定的訓(xùn)練數(shù)據(jù)集中學(xué)習(xí)出一
2017-06-23 13:51:15
：用來訓(xùn)練，構(gòu)建模型。驗(yàn)證集：在模型訓(xùn)練階段測(cè)試模型的好壞。測(cè)試集：等模型訓(xùn)練好后，評(píng)估模型的好壞。學(xué)習(xí)方式：監(jiān)督學(xué)習(xí)：訓(xùn)練帶有標(biāo)簽的數(shù)據(jù)集。無監(jiān)督學(xué)習(xí)：訓(xùn)練無標(biāo)簽的數(shù)據(jù)集。半監(jiān)...
2021-09-06 08:21:17
人工智能下面有哪些機(jī)器學(xué)習(xí)分支？如何用卷積神經(jīng)網(wǎng)絡(luò)（CNN）方法去解決機(jī)器學(xué)習(xí)監(jiān)督學(xué)習(xí)下面的分類問題？
2021-06-16 08:09:03
的不同，機(jī)器學(xué)習(xí)可分為：監(jiān)督學(xué)習(xí)，無監(jiān)督學(xué)習(xí)，半監(jiān)督學(xué)習(xí)，強(qiáng)化學(xué)習(xí)。在這里我們講2種機(jī)器學(xué)習(xí)的常用方法：監(jiān)督學(xué)習(xí)，無監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)是從標(biāo)記的訓(xùn)練數(shù)據(jù)來推斷一個(gè)功能的機(jī)器學(xué)習(xí)任務(wù)，可分為“回歸”和“分類
2018-07-27 12:54:20
，機(jī)器學(xué)習(xí)最大的分支的監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)，簡單說數(shù)據(jù)已經(jīng)打好標(biāo)簽的是監(jiān)督學(xué)習(xí)，而數(shù)據(jù)沒有標(biāo)簽的是無監(jiān)督學(xué)習(xí)。從大的分類上看，降維和聚類被劃在無監(jiān)督學(xué)習(xí)，回歸和分類屬于監(jiān)督學(xué)習(xí)。無監(jiān)督學(xué)習(xí)如果你的數(shù)據(jù)
2019-03-07 20:18:53
以獨(dú)立分量分析為主要對(duì)象, 描述了盲信號(hào)源分離技術(shù)的基本模型，介紹了盲分離的主要方法和數(shù)學(xué)原理, 分析了盲信號(hào)源的可辨識(shí)性。提出基于神經(jīng)網(wǎng)絡(luò)無監(jiān)督學(xué)習(xí)的盲分離方法
2009-03-10 20:46:08
19 基于無監(jiān)督特征學(xué)習(xí)的手勢(shì)識(shí)別方法_陶美平
2017-01-03 17:41:581 基于聲學(xué)分段模型的無監(jiān)督語音樣例檢測(cè)_李勃昊
2017-01-07 16:24:520 簡述繼電保護(hù)技術(shù)監(jiān)督_張擁剛
2017-03-15 08:00:000 基于半監(jiān)督學(xué)習(xí)的跌倒檢測(cè)系統(tǒng)設(shè)計(jì)_李仲年
2017-03-19 19:11:454 一般說來，訓(xùn)練深度學(xué)習(xí)網(wǎng)絡(luò)的方式主要有四種：監(jiān)督、無監(jiān)督、半監(jiān)督和強(qiáng)化學(xué)習(xí)。在接下來的文章中，機(jī)器人圈將逐個(gè)解釋這些方法背后所蘊(yùn)含的理論知識(shí)。除此之外，機(jī)器人圈將分享文獻(xiàn)中經(jīng)常碰到的術(shù)語，并提
2017-09-29 17:33:330 機(jī)器學(xué)習(xí)的本質(zhì)是模式識(shí)別。 一部分可以用于預(yù)測(cè)（有監(jiān)督學(xué)習(xí)，無監(jiān)督學(xué)習(xí)），另一類直接用于決策（強(qiáng)化學(xué)習(xí)），機(jī)器學(xué)習(xí)的一個(gè)核心任務(wù)即模式識(shí)別， 我們通常可以用模式識(shí)別來對(duì)我們未來研究的系統(tǒng)進(jìn)行歸類， 并預(yù)測(cè)各種可能的未來結(jié)果。
2017-10-13 10:56:431973 
軟件缺陷預(yù)測(cè)能夠提高軟件開發(fā)和測(cè)試的效率，保障軟件質(zhì)量。無監(jiān)督缺陷預(yù)測(cè)方法具有不需要標(biāo)簽數(shù)據(jù)的特點(diǎn)，從而能夠快速應(yīng)用于工程實(shí)踐中。提出了基于概率的無監(jiān)督缺陷預(yù)測(cè)方法PCLA，將度量元值與閾值的差值
2017-11-21 14:45:445 機(jī)器學(xué)習(xí)算法的分類是棘手的，有幾種合理的分類，他們可以分為生成/識(shí)別，參數(shù)/非參數(shù)，監(jiān)督/無監(jiān)督等。 例如，Scikit-Learn的文檔頁面通過學(xué)習(xí)機(jī)制對(duì)算法進(jìn)行分組。這產(chǎn)生類別如：1
2017-12-20 20:38:492686 當(dāng)數(shù)據(jù)集中包含的訓(xùn)練信息不充分時(shí)，監(jiān)督的極限學(xué)習(xí)機(jī)較難應(yīng)用，因此將半監(jiān)督學(xué)習(xí)應(yīng)用到極限學(xué)習(xí)機(jī)，提出一種半監(jiān)督極限學(xué)習(xí)機(jī)分類模型；但其模型是非凸、非光滑的，很難直接求其全局最優(yōu)解。為此利用組合優(yōu)化方法
2017-12-23 11:24:150 中科院和英國倫敦大學(xué)瑪麗女王學(xué)院的研究人員就生成視頻摘要提出了一種新方法，采用無監(jiān)督學(xué)習(xí)的方法，用深度摘要網(wǎng)絡(luò)（Deep Summarization Network，DSN）總結(jié)視頻。
2018-01-15 10:49:158303 
人體行為識(shí)別是計(jì)算機(jī)視覺研究的熱點(diǎn)問題，現(xiàn)有的行為識(shí)別方法都是基于監(jiān)督學(xué)習(xí)框架．為了取得較好的識(shí)別效果，通常需要大量的有標(biāo)記樣本來建模．然而，獲取有標(biāo)記樣本是一個(gè)費(fèi)時(shí)又費(fèi)力的工作．為了解決這個(gè)
2018-01-21 10:41:091 打出“無監(jiān)督學(xué)習(xí)算法”這一旗幟，再結(jié)合監(jiān)督學(xué)習(xí)、自動(dòng)規(guī)則引擎，為客戶提供多應(yīng)用場(chǎng)景的保護(hù)，包括大量虛假賬戶注冊(cè)、賬號(hào)盜取、欺詐交易、身份盜用、洗錢交易、假冒評(píng)估、垃圾郵件、虛假
2018-02-17 01:12:001901 and Unsupervised Learning 我們已經(jīng)學(xué)習(xí)了許多機(jī)器學(xué)習(xí)算法，包括線性回歸，Logistic回歸，神經(jīng)網(wǎng)絡(luò)以及支持向量機(jī)。這些算法都有一個(gè)共同點(diǎn)，即給出的訓(xùn)練樣本自身帶有標(biāo)記。比如
2018-05-01 17:43:0013046 
在機(jī)器學(xué)習(xí)(Machine learning)領(lǐng)域。主要有三類不同的學(xué)習(xí)方法：監(jiān)督學(xué)習(xí)(Supervised learning)、非監(jiān)督學(xué)習(xí)(Unsupervised learning)、半監(jiān)督學(xué)習(xí)(Semi-supervised learning)。
2018-05-07 09:09:0115019 機(jī)器學(xué)習(xí)還能產(chǎn)生“偏見”？機(jī)器學(xué)習(xí)也會(huì)對(duì)數(shù)據(jù)產(chǎn)生偏見，從而導(dǎo)致錯(cuò)誤的預(yù)測(cè)。我們?cè)撊绾谓鉀Q這一問題？ Google的新論文或許會(huì)揭曉答案。機(jī)器學(xué)習(xí)中的機(jī)會(huì)均等 隨著機(jī)器學(xué)習(xí)計(jì)算穩(wěn)步發(fā)展，越來越多人開始關(guān)注其對(duì)于社會(huì)的影響。機(jī)器學(xué)習(xí)的成功分支之一是監(jiān)督學(xué)習(xí)。
2018-05-14 18:20:003708 
同時(shí)，我們可以從互聯(lián)網(wǎng)輕松獲取海量粗標(biāo)注的圖片，如利用Flickr的標(biāo)簽。因此，研究如何在弱監(jiān)督條件下，即僅提供粗略圖片類別標(biāo)注，訓(xùn)練目標(biāo)檢測(cè)模型，具有重要的意義。已有學(xué)者探索了基于多示例學(xué)習(xí)構(gòu)建弱監(jiān)督條件下的目標(biāo)檢測(cè)模型學(xué)習(xí)方法，但是模型的精確度仍然難以令人滿意。
2018-05-15 16:51:1812195 
無監(jiān)督學(xué)習(xí)是機(jī)器學(xué)習(xí)技術(shù)中的一類，用于發(fā)現(xiàn)數(shù)據(jù)中的模式。本文介紹用Python進(jìn)行無監(jiān)督學(xué)習(xí)的幾種聚類算法，包括K-Means聚類、分層聚類、t-SNE聚類、DBSCAN聚類等。
2018-05-27 09:59:1331502 
基于一個(gè)可伸縮的、任務(wù)無關(guān)的系統(tǒng)，OpenAI在一組包含不同的語言任務(wù)中獲得了最優(yōu)的實(shí)驗(yàn)結(jié)果，方法是兩種現(xiàn)有理念的結(jié)合：遷移學(xué)習(xí)和無監(jiān)督的預(yù)訓(xùn)練。
2018-06-13 18:00:326407 
采用無監(jiān)督機(jī)器學(xué)習(xí)方法并結(jié)合聚類算法，從具有爆裂噪聲隨時(shí)間演化行為的應(yīng)力-應(yīng)變曲線中獲得淬火、局域的無序分布。
2018-06-29 14:50:593335 
這一切的完成都是借助算法根據(jù)相似性來對(duì)事物進(jìn)行分組。相似度的度量是通過選擇算法來指定的，但是為什么不嘗試盡可能多的相似度度量呢? 因?yàn)槟阋膊恢滥阍趯ふ沂裁矗贿^可以把非監(jiān)督式學(xué)習(xí)看成是數(shù)學(xué)中的“物以類聚”。就像羅夏墨跡卡一樣，其實(shí)你不用把你看到的內(nèi)容看的太重。
2018-07-24 17:50:3411961 Facebook無監(jiān)督機(jī)器翻譯的方法，首先是讓系統(tǒng)學(xué)習(xí)雙語詞典，將一個(gè)詞與其他語言對(duì)應(yīng)的多種翻譯聯(lián)系起來。舉個(gè)例子，就好比讓系統(tǒng)學(xué)會(huì)“Bug”在作為名詞時(shí)，既有“蟲子”、“計(jì)算機(jī)漏洞”，也有“竊聽器”的意思。
2018-09-02 09:10:176415 盡管存在挑戰(zhàn)，許多金融公司已經(jīng)采用了這項(xiàng)技術(shù)。如下圖所示，金融服務(wù)業(yè)的高管們非常重視機(jī)器學(xué)習(xí)，他們這么做有很多原因:
2018-09-03 14:15:565544 臉書公司開始使用無監(jiān)督機(jī)器學(xué)習(xí)來為其用戶提供翻譯服務(wù)。
2018-10-02 17:36:003096 1.有監(jiān)督學(xué)習(xí)：根據(jù)已知的輸入和輸出，建立聯(lián)系它們的模型，根據(jù)該模型對(duì)未知輸出的輸入進(jìn)行判斷。
1）回歸：以無限連續(xù)域的形式表示輸出。
2）分類：以有限離散域的形式表示輸出。
2.無監(jiān)督學(xué)習(xí)
2018-10-22 08:00:007 根據(jù)訓(xùn)練數(shù)據(jù)是否有標(biāo)記，機(jī)器學(xué)習(xí)任務(wù)大致分為兩大類：監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)，監(jiān)督學(xué)習(xí)主要包括分類和回歸等，非監(jiān)督學(xué)習(xí)主要包括聚類和頻繁項(xiàng)集挖掘等。
2018-11-10 10:55:594614 機(jī)器學(xué)習(xí)有四種廣受認(rèn)可的形式：監(jiān)督式、無監(jiān)督式、半監(jiān)督式和強(qiáng)化式。在研究文獻(xiàn)中，這些形式得到了深入的探討。它們也被納入了大多數(shù)機(jī)器學(xué)習(xí)算法的入門課程。下表對(duì)這四種形式作了總結(jié)。
2018-11-14 10:17:541909 Darktrace新網(wǎng)絡(luò)安全公司與劍橋大學(xué)的數(shù)學(xué)家合作，開發(fā)了一種利用機(jī)器學(xué)習(xí)來捕捉內(nèi)部漏洞的工具。它運(yùn)用無監(jiān)督學(xué)習(xí)方法，查看大量未標(biāo)記的數(shù)據(jù)，并找到不遵循典型模式的碎片。這些原始數(shù)據(jù)匯集到60多種不同的無監(jiān)督學(xué)習(xí)算法中，它們相互競(jìng)爭以發(fā)現(xiàn)異常行為。
2018-11-22 16:01:501540 with experience E（一個(gè)程序從經(jīng)驗(yàn)E中學(xué)習(xí)解決任務(wù)T進(jìn)行某一任務(wù)量度P，通過P測(cè)量在T的表現(xiàn)而提高經(jīng)驗(yàn)E（另一種定義：機(jī)器學(xué)習(xí)是用數(shù)據(jù)或以往的經(jīng)驗(yàn)，以此優(yōu)化計(jì)算機(jī)程序的性能標(biāo)準(zhǔn)。） 不同類型的機(jī)器學(xué)習(xí)算法：主要討論監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí) 監(jiān)督學(xué)習(xí)：利用一組已知類別的樣本調(diào)整分類器的參數(shù)
2018-12-03 17:12:01898 針對(duì)現(xiàn)有屬性選擇算法平等地對(duì)待每個(gè)樣本而忽略樣本之間的差異性，從而使學(xué)習(xí)模型無法避免噪聲樣本影響問題，提出一種融合自步學(xué)習(xí)理論的無監(jiān)督屬性選擇（ UFS-SPL）算法。首先自動(dòng)選取一個(gè)重要的樣本
2018-12-07 13:40:065 無監(jiān)督學(xué)習(xí)是一種用于在數(shù)據(jù)中查找模式的機(jī)器學(xué)習(xí)技術(shù)。無監(jiān)督算法給出的數(shù)據(jù)不帶標(biāo)記，只給出輸入變量(X)，沒有相應(yīng)的輸出變量。在無監(jiān)督學(xué)習(xí)中，算法自己去發(fā)現(xiàn)數(shù)據(jù)中有趣的結(jié)構(gòu)。
2019-01-21 17:23:005042 以機(jī)器學(xué)習(xí)中的監(jiān)督學(xué)習(xí)為例，監(jiān)督學(xué)習(xí)是從一組帶有標(biāo)記的數(shù)據(jù)中學(xué)習(xí)。
2019-07-04 15:31:49580 細(xì)數(shù)機(jī)器學(xué)習(xí)在金融領(lǐng)域的七大應(yīng)用
2019-07-05 15:04:142829 BigBiGAN是一種純粹基于生成模型的無監(jiān)督學(xué)習(xí)方法，它在ImageNet上實(shí)現(xiàn)了圖像表示學(xué)習(xí)的最好的結(jié)果。
2019-07-11 15:48:383415 谷歌的結(jié)果促進(jìn)了半監(jiān)督學(xué)習(xí)的復(fù)興，而且還發(fā)現(xiàn)3點(diǎn)有趣的現(xiàn)象：（1）SSL可以匹配甚至優(yōu)于使用數(shù)量級(jí)更多標(biāo)記數(shù)據(jù)的純監(jiān)督學(xué)習(xí)。（2）SSL在文本和視覺兩個(gè)領(lǐng)域都能很好地工作。（3）SSL能夠與遷移學(xué)習(xí)很好地結(jié)合。
2019-07-13 07:31:004055 
在監(jiān)督學(xué)習(xí)中，機(jī)器在標(biāo)記數(shù)據(jù)的幫助下進(jìn)行訓(xùn)練，即帶有正確答案標(biāo)記的數(shù)據(jù)。而在無監(jiān)督機(jī)器學(xué)習(xí)中，模型自主發(fā)現(xiàn)信息進(jìn)行學(xué)習(xí)。與監(jiān)督學(xué)習(xí)模型相比，無監(jiān)督模型更適合于執(zhí)行困難的處理任務(wù)。
2019-09-20 15:01:303628 深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的一個(gè)分支，其學(xué)習(xí)方法可以分為監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。
2020-01-30 09:29:003915 
我們分析現(xiàn)有監(jiān)督算法的主要問題在于沒有真正的知識(shí), 沒有對(duì)于文本和類目的真正的理解。現(xiàn)有算法只是在學(xué)習(xí)大量人工標(biāo)注訓(xùn)練樣本里面的模式。為了解決這個(gè)問題，我們啟動(dòng)了一個(gè)叫做: 基于關(guān)鍵詞知識(shí)與類目知識(shí)的非監(jiān)督短文本層級(jí)分類的探索項(xiàng)目。
2019-12-08 10:57:343944 
機(jī)器學(xué)習(xí)是指使機(jī)器能夠以監(jiān)督和無監(jiān)督的方式“學(xué)習(xí)”從而提高準(zhǔn)確性和性能的軟件。
2019-12-17 17:03:04796 機(jī)器學(xué)習(xí)（ML）是人工智能（AI）的子集，它試圖以幾種不同的方式從數(shù)據(jù)集“學(xué)習(xí)”，其中包括監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。
2020-03-14 10:50:01937 本書前兩部分主要探討監(jiān)督學(xué)習(xí)（supervised learning）。在監(jiān)督學(xué)習(xí)的過程中，我們只需要給定輸入樣本集，機(jī)器就可以從中推演出指定目標(biāo)變量的可能結(jié)果。監(jiān)督學(xué)習(xí)相對(duì)比較簡單，機(jī)器只需從輸入數(shù)據(jù)中預(yù)測(cè)合適的模型，并從中計(jì)算出目標(biāo)變量的結(jié)果。
2020-05-28 08:00:000 量子比特計(jì)算機(jī)Bristlecone，開發(fā)了Cirq量子開源框架，提供了量子化學(xué)材料計(jì)算的OpenFermion-Cirq用例。初創(chuàng)公司Rigetti 開放了量子云服務(wù)平臺(tái)，研制了19量子比特處理器QPU，并首次使用QPU超導(dǎo)芯片進(jìn)行無監(jiān)督機(jī)器學(xué)習(xí)訓(xùn)練及推理，展示出量子計(jì)算﹢人工智能的巨大潛力。
2020-06-22 15:24:222468 無監(jiān)督學(xué)習(xí)的好處之一是，它不需要監(jiān)督學(xué)習(xí)必須經(jīng)歷的費(fèi)力的數(shù)據(jù)標(biāo)記過程。但是，要權(quán)衡的是，評(píng)估其性能的有效性也非常困難。相反，通過將監(jiān)督學(xué)習(xí)算法的輸出與測(cè)試數(shù)據(jù)的實(shí)際標(biāo)簽進(jìn)行比較，可以很容易地衡量監(jiān)督學(xué)習(xí)算法的準(zhǔn)確性。
2020-07-07 10:18:366426 “訓(xùn)練”，通過各種算法從數(shù)據(jù)中學(xué)習(xí)如何完成任務(wù)。機(jī)器學(xué)習(xí)傳統(tǒng)的算法包括決策樹、聚類、貝葉斯分類等。從學(xué)習(xí)方法上來分可以分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、集成學(xué)習(xí)、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。
2020-07-26 11:14:4412158 機(jī)器學(xué)習(xí)是人工智能的一個(gè)子集，它通過示例和經(jīng)驗(yàn)教會(huì)計(jì)算機(jī)執(zhí)行任務(wù)，是研究和開發(fā)的熱門領(lǐng)域。我們每天使用的許多應(yīng)用程序都使用機(jī)器學(xué)習(xí)算法，包括AI助手，Web搜索和機(jī)器翻譯。
2020-08-07 15:49:251161 
本節(jié)概述機(jī)器學(xué)習(xí)及其三個(gè)分類（監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)）。首先，與機(jī)器學(xué)習(xí)相關(guān)的術(shù)語有人工智能（Artificial Intelligence，AI）、機(jī)器學(xué)習(xí)（Machine Learning，ML）、強(qiáng)化學(xué)習(xí)、深度學(xué)習(xí)等，這里對(duì)這些術(shù)語進(jìn)行簡單的整理。
2020-08-14 12:24:4725802 
數(shù)據(jù)時(shí)代，人們從技術(shù)中獲取便利的同時(shí)，也面臨著隱私泄露的風(fēng)險(xiǎn)。微軟倡導(dǎo)負(fù)責(zé)任的人工智能，因此機(jī)器學(xué)習(xí)中的隱私保護(hù)問題至關(guān)重要。本文介紹了目前機(jī)器學(xué)習(xí)中隱私保護(hù)領(lǐng)域的最新研究進(jìn)展，討論了機(jī)密計(jì)算、模型隱私和聯(lián)邦學(xué)習(xí)等不同層面的隱私保護(hù)方法。
2020-09-04 11:34:474461 
在本文中，我們將討論一個(gè)金融機(jī)構(gòu)的實(shí)際使用案例，該案例使用-聚類clustering（一種流行的機(jī)器學(xué)習(xí)算法）來為其客戶群定制其產(chǎn)品。
2020-10-12 13:58:053370 
標(biāo)記數(shù)據(jù)訓(xùn)練的監(jiān)督學(xué)習(xí)技術(shù)得到更好的結(jié)果。這是半監(jiān)督學(xué)習(xí)系列文章的第1部分，對(duì)這個(gè)機(jī)器學(xué)習(xí)的重要子領(lǐng)域進(jìn)行了簡要的介紹。 區(qū)分半監(jiān)督學(xué)習(xí)，監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí) 整個(gè)數(shù)據(jù)集中可用于訓(xùn)練的有標(biāo)記數(shù)據(jù)的范圍區(qū)分了機(jī)器學(xué)習(xí)的這三個(gè)
2020-11-02 16:08:143217 有趣的方法，用來解決機(jī)器學(xué)習(xí)中缺少標(biāo)簽數(shù)據(jù)的問題。SSL利用未標(biāo)記的數(shù)據(jù)和標(biāo)記的數(shù)據(jù)集來學(xué)習(xí)任務(wù)。SSL的目標(biāo)是得到比單獨(dú)使用標(biāo)記數(shù)據(jù)訓(xùn)練的監(jiān)督學(xué)習(xí)模型更好的結(jié)果。這是關(guān)于半監(jiān)督學(xué)習(xí)的系列文章的第2部分，詳細(xì)介紹了一些基本的SSL技
2020-11-02 16:14:553611 
機(jī)器學(xué)習(xí)的基本過程，羅列了幾個(gè)主要流程和關(guān)鍵要素；繼而展開介紹機(jī)器學(xué)習(xí)主要的算法框架，包括監(jiān)督學(xué)習(xí)算法，無監(jiān)督學(xué)習(xí)算法和常用的降維，特征選擇算法等；最后在業(yè)務(wù)實(shí)踐的過程中，給出了一個(gè)可行的項(xiàng)目管理流程，可供參考。
2020-11-12 10:28:4812986 在過去的十年中，金融行業(yè)采用了很多前所未有的尖端技術(shù)。這種轉(zhuǎn)變?cè)诤艽蟪潭壬蠚w因于2008年金融危機(jī)之后出現(xiàn)的許多初創(chuàng)企業(yè)，它們遵循技術(shù)優(yōu)先的方法來創(chuàng)建金融產(chǎn)品和服務(wù)，其目標(biāo)是改善客戶體驗(yàn)。
2020-11-13 14:16:592185 跨所有通道的快速跟蹤非接觸式數(shù)字支持每天產(chǎn)生數(shù)TB的數(shù)據(jù)，這對(duì)于訓(xùn)練受監(jiān)督的機(jī)器學(xué)習(xí)算法至關(guān)重要。無監(jiān)督的機(jī)器學(xué)習(xí)算法依賴于TB級(jí)的數(shù)據(jù)來發(fā)現(xiàn)金融服務(wù)數(shù)據(jù)中以前未知的模式。
2020-11-15 10:02:541625 為什么半監(jiān)督學(xué)習(xí)是機(jī)器學(xué)習(xí)的未來。 監(jiān)督學(xué)習(xí)是人工智能領(lǐng)域的第一種學(xué)習(xí)類型。從它的概念開始，無數(shù)的算法，從簡單的邏輯回歸到大規(guī)模的神經(jīng)網(wǎng)絡(luò)，都已經(jīng)被研究用來提高精確度和預(yù)測(cè)能力。 然而，一個(gè)重大突破
2020-11-27 10:42:074444 科技初創(chuàng)廠商是智能手機(jī)、大數(shù)據(jù)、機(jī)器學(xué)習(xí)（ML）、區(qū)塊鏈等新技術(shù)的早期采用者，被認(rèn)為是被更傳統(tǒng)的銀行和金融機(jī)構(gòu)所效仿的潮流引領(lǐng)者。
2020-12-07 15:31:262032 監(jiān)督學(xué)習(xí)是人工智能領(lǐng)域的第一種學(xué)習(xí)類型。從它的概念開始，無數(shù)的算法，從簡單的邏輯回歸到大規(guī)模的神經(jīng)網(wǎng)絡(luò)，都已經(jīng)被研究用來提高精...
2020-12-08 23:32:541969 高成本的人工標(biāo)簽使得弱監(jiān)督學(xué)習(xí)備受關(guān)注。seed-driven 是弱監(jiān)督學(xué)習(xí)中的一種常見模型。該模型要求用戶提供少量的seed words，根據(jù)seed words對(duì)未標(biāo)記的訓(xùn)練數(shù)據(jù)生成偽標(biāo)簽，增加
2021-01-18 16:04:273584 在大規(guī)模標(biāo)注的數(shù)據(jù)集上訓(xùn)練深度模型不僅可以使手頭的任務(wù)表現(xiàn)良好，還可以使模型學(xué)習(xí)對(duì)于下游任務(wù)的有用特征形式。但是，我們是否可以在不使用如此昂貴且細(xì)粒度的標(biāo)注數(shù)據(jù)的情況下獲得類似的特征表達(dá)能力呢？本文研究了使用噪聲標(biāo)注（在這種情況下為圖像標(biāo)題）的弱監(jiān)督預(yù)訓(xùn)練。
2021-01-18 17:08:569247 
機(jī)器學(xué)習(xí)可以分為監(jiān)督學(xué)習(xí)，半監(jiān)督學(xué)習(xí)，非監(jiān)督學(xué)習(xí)，強(qiáng)化學(xué)習(xí)，深度學(xué)習(xí)等。監(jiān)督學(xué)習(xí)是先用帶有標(biāo)簽的數(shù)據(jù)集合學(xué)習(xí)得到一個(gè)模型，然后再使用這個(gè)模型對(duì)新的標(biāo)本進(jìn)行預(yù)測(cè)。格物斯坦認(rèn)為：帶標(biāo)簽的數(shù)據(jù)進(jìn)行特征提取
2021-03-12 16:01:273586 強(qiáng)化學(xué)習(xí)（ Reinforcement learning，RL）作為機(jī)器學(xué)習(xí)領(lǐng)域中與監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)并列的第三種學(xué)習(xí)范式，通過與環(huán)境進(jìn)行交互來學(xué)習(xí)，最終將累積收益最大化。常用的強(qiáng)化學(xué)習(xí)算法分為
2021-04-08 11:41:5811 學(xué)習(xí)模型主要基于節(jié)點(diǎn)結(jié)構(gòu)相似和節(jié)點(diǎn)內(nèi)容相似，不能同時(shí)有效捕獲節(jié)點(diǎn)結(jié)構(gòu)和內(nèi)容的相似信息，因此在結(jié)構(gòu)和內(nèi)容等價(jià)混合的網(wǎng)絡(luò)數(shù)據(jù)上表現(xiàn)較差。為此，探索了節(jié)點(diǎn)結(jié)構(gòu)相似和節(jié)點(diǎn)內(nèi)容相似的融合特征，提岀了一種基于無監(jiān)督淺
2021-04-23 11:22:5611 基于無監(jiān)督稀疏自編碼的圖像哈希算法
2021-06-28 16:46:5832 監(jiān)督學(xué)習(xí)|機(jī)器學(xué)習(xí)| 集成學(xué)習(xí)|進(jìn)化計(jì)算| 非監(jiān)督學(xué)習(xí)| 半監(jiān)督學(xué)習(xí)| 自監(jiān)督學(xué)習(xí)|?無監(jiān)督學(xué)習(xí)| 隨著人工智能、元宇宙、數(shù)據(jù)安全、可信隱私用計(jì)算、大數(shù)據(jù)等領(lǐng)域的快速發(fā)展，自監(jiān)督學(xué)習(xí)脫穎而出，致力于
2022-01-20 10:52:105490 
自監(jiān)督學(xué)習(xí)的流行是勢(shì)在必然的。在各種主流有監(jiān)督學(xué)習(xí)任務(wù)都做到很成熟之后，數(shù)據(jù)成了最重要的瓶頸。從無標(biāo)注數(shù)據(jù)中學(xué)習(xí)有效信息一直是...
2022-01-26 18:50:171 信息網(wǎng)絡(luò)，采用隨機(jī)混洗預(yù)測(cè)學(xué)習(xí)機(jī)制，并融合先驗(yàn)分布匹配和結(jié)構(gòu)信息最大化學(xué)習(xí)目標(biāo)，學(xué)習(xí)混合異構(gòu)的基于向量空間的通用表示，可以用于無監(jiān)督和有監(jiān)督的學(xué)習(xí)任務(wù)。
2022-03-24 17:22:112272 目前，基于深度學(xué)習(xí)的視覺檢測(cè)在監(jiān)督學(xué)習(xí)方法的幫助下取得了很大的成功。然而，在實(shí)際工業(yè)場(chǎng)景中，缺陷樣本的稀缺性、注釋成本以及缺陷先驗(yàn)知識(shí)的缺乏可能會(huì)導(dǎo)致基于監(jiān)督的方法失效。
2022-07-31 11:00:524060 源自：AI知識(shí)干貨 根據(jù)數(shù)據(jù)類型的不同，對(duì)一個(gè)問題的建模有不同的方式。在機(jī)器學(xué)習(xí)或者人工智能領(lǐng)域，人們首先會(huì)考慮算法的學(xué)習(xí)方式。在機(jī)器學(xué)習(xí)領(lǐng)域，有幾種主要的學(xué)習(xí)方式。將算法按照學(xué)習(xí)方式分類是一個(gè)不錯(cuò)
2022-08-22 09:57:333009 
根據(jù)有無標(biāo)簽，監(jiān)督學(xué)習(xí)可分類為：傳統(tǒng)的監(jiān)督學(xué)習(xí)（Traditional Supervised Learning）、非監(jiān)督學(xué)習(xí)（Unsupervised Learning）、半監(jiān)督學(xué)習(xí)（Semi-supervised Learning）。
2023-04-18 16:26:132605 調(diào)整，使其生成正確的輸出。在其他情況下，則實(shí)行無監(jiān)督學(xué)習(xí)，由系統(tǒng)負(fù)責(zé)梳理數(shù)據(jù)來發(fā)現(xiàn)以前未知的模式。大多數(shù)機(jī)器學(xué)習(xí)模型都是遵循這兩種范式（監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)）。
2023-05-16 09:55:367052 
本電子書建立在使用 MATLAB 進(jìn)行機(jī)器學(xué)習(xí) 的基礎(chǔ)上，后者回顧了機(jī)
器學(xué)習(xí)基礎(chǔ)知識(shí)，并介紹了監(jiān)督和無監(jiān)督學(xué)習(xí)的技術(shù)方法。
我們使用心音分類器為例，向您介紹真實(shí)世界中的機(jī)器學(xué)習(xí)應(yīng)用程序從
2023-05-29 09:14:530 3．機(jī)器學(xué)習(xí)谷歌CEO桑達(dá)爾·皮查伊在一封致股東信中，把機(jī)器學(xué)習(xí)譽(yù)為人工智能和計(jì)算的真正未來，可想而知機(jī)器學(xué)習(xí)在人工智能研究領(lǐng)域的重要地位。機(jī)器學(xué)習(xí)的方式包括有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)
2022-03-22 09:50:111400 
作者：JonteDancker來源：DeepHubIMBA距離度量是有監(jiān)督和無監(jiān)督學(xué)習(xí)算法的基礎(chǔ)，包括k近鄰、支持向量機(jī)和k均值聚類等。距離度量的選擇影響我們的機(jī)器學(xué)習(xí)結(jié)果，因此考慮哪種度量最適合
2022-11-03 10:35:472297 來源：DeepHubIMBA強(qiáng)化學(xué)習(xí)的基礎(chǔ)知識(shí)和概念簡介（無模型、在線學(xué)習(xí)、離線強(qiáng)化學(xué)習(xí)等）機(jī)器學(xué)習(xí)(ML)分為三個(gè)分支:監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。監(jiān)督學(xué)習(xí)(SL)：關(guān)注在給定標(biāo)記訓(xùn)練數(shù)據(jù)
2023-01-05 14:54:051714 基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)方法。 深度學(xué)習(xí)算法可以分為兩大類：監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)的基本任務(wù)是訓(xùn)練模型去學(xué)習(xí)輸入數(shù)據(jù)的特征和其對(duì)應(yīng)的標(biāo)簽，然后用于新數(shù)據(jù)的預(yù)測(cè)。而無監(jiān)督學(xué)習(xí)通常用于聚類、降維和生成模型等任務(wù)中
2023-08-17 16:11:261829 的區(qū)別。 1. 機(jī)器學(xué)習(xí) 機(jī)器學(xué)習(xí)是指通過數(shù)據(jù)使機(jī)器能夠自動(dòng)地學(xué)習(xí)和改進(jìn)性能的算法。機(jī)器學(xué)習(xí)是人工智能的一個(gè)重要分支，它通過一系列的訓(xùn)練樣本，讓機(jī)器從數(shù)據(jù)中學(xué)習(xí)規(guī)律，從而得出預(yù)測(cè)或決策。機(jī)器學(xué)習(xí)算法可以分為有監(jiān)督學(xué)習(xí)
2023-08-17 16:11:405419 許多不同的類型和應(yīng)用。根據(jù)機(jī)器學(xué)習(xí)的任務(wù)類型，可以將其分為幾種不同的算法類型。本文將介紹機(jī)器學(xué)習(xí)的算法類型以及分類算法和預(yù)測(cè)算法。 機(jī)器學(xué)習(xí)的算法類型 1. 監(jiān)督學(xué)習(xí)算法 在監(jiān)督學(xué)習(xí)算法中，已知標(biāo)記數(shù)據(jù)和相應(yīng)的輸出
2023-08-17 16:30:112801 電子發(fā)燒友網(wǎng)站提供《Sentry ND網(wǎng)絡(luò)防御：實(shí)時(shí)無監(jiān)督機(jī)器學(xué)習(xí)解決方案.pdf》資料免費(fèi)下載
2023-09-13 10:19:210 深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的一個(gè)分支，其學(xué)習(xí)方法可以分為監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。兩種方法都具有其獨(dú)特的學(xué)習(xí)模型：多層感知機(jī) 、卷積神經(jīng)網(wǎng)絡(luò)等屬于監(jiān) 督學(xué)習(xí)；深度置信網(wǎng) 、自動(dòng)編碼器 、去噪自動(dòng)編碼器 、稀疏編碼等屬于無監(jiān)督學(xué)習(xí)。
2023-10-09 10:23:421153 
本文對(duì)比了多種基線方法，包括無監(jiān)督域自適應(yīng)的傳統(tǒng)方法（如Pseudo-labeling和對(duì)抗訓(xùn)練）、基于檢索的LM方法（如REALM和RAG）和情境學(xué)習(xí)方法（如In-context learning）。
2023-12-05 14:14:081387 
應(yīng)用中往往難以實(shí)現(xiàn)。因此，無監(jiān)督學(xué)習(xí)在深度學(xué)習(xí)中扮演著越來越重要的角色。本文旨在綜述深度學(xué)習(xí)中的無監(jiān)督學(xué)習(xí)方法，包括自編碼器、生成對(duì)抗網(wǎng)絡(luò)、聚類算法等，并分析它們的原理、應(yīng)用場(chǎng)景以及優(yōu)缺點(diǎn)。
2024-07-09 10:50:072734 神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)的重要組成部分，其訓(xùn)練方式多樣，其中無監(jiān)督學(xué)習(xí)是一種重要的訓(xùn)練策略。無監(jiān)督學(xué)習(xí)旨在從未標(biāo)記的數(shù)據(jù)中發(fā)現(xiàn)數(shù)據(jù)內(nèi)在的結(jié)構(gòu)、模式或規(guī)律，從而提取有用的特征表示。這種訓(xùn)練方式對(duì)于大規(guī)模未
2024-07-09 18:06:592098
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論