知识卡片
学习方式取决于反馈
监督学习利用带目标的样本学习预测;无监督学习探索缺少标签的数据结构;半监督学习结合有限标签与无标签资料;强化学习则通过与环境交互后的奖励学习顺序决策。区分它们的关键是可获得的反馈与任务形式,而非模型名字。无标签不代表没有优化目标,存在对抗网络也不自动决定其为半监督学习。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 人工智能的新时代 卷积、训练与学习反馈 · 查看原书依据
监督学习:通过实例学习。该策略使用目标已知的数据来训练学习算法。网络通过评估预测结果与目标的差异并调整权重的方式,最小化错误或损失函数,从而构建模型。这种方法广泛用于分类和回归任务,并覆盖了行业中的主要应用,例如图像分类、语言翻译和语音识别
参考来源
- 位置:《人工智能与计算生物的未来 (【美】布赖恩·希尔布什)》人工智能的新时代,卷积、训练与学习反馈(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能与计算生物的未来 (【美】布赖恩·希尔布什)/_epub-src/EPUB/xhtml/Section03.xhtml)
- 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;历史案例不等于当前临床有效性或监管认可。已经核验的边界与书中陈述分开。
- 原始内容:监督学习:通过实例学习。该策略使用目标已知的数据来训练学习算法。网络通过评估预测结果与目标的差异并调整权重的方式,最小化错误或损失函数,从而构建模型。这种方法广泛用于分类和回归任务,并覆盖了行业中的主要应用,例如图像分类、语言翻译和语音识别