知识卡片
有监督学习
有监督学习要求训练集每条数据都带输入与输出,也就是必须同时有特征和人工标注好的分类结果。模型通过已有样本的输入与输出对进行训练,学会把新输入映射到相应输出,从而具备对未知数据分类的能力;其目标是让计算机学会人类已经建好的分类系统。垃圾邮件检测就是典型:训练数据被提前标好垃圾与正常,机器不必重新定义垃圾邮件,只需找出其出现规律即可。常见算法有神经网络、支持向量机、K近邻、朴素贝叶斯、决策树。边界在于标注成本高——海量数据打标签耗时耗力;且模型只能学到标注体系内的类别,面对训练集中不存在的新类别无能为力。产品经理应关注标注质量与类别覆盖是否完整。
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
- 机器学习入门 1.4.1 有监督学习 · 查看原书依据
有监督学习的训练集要求每一条数据都包括输入和输出,也就是说必须带有特征和分类结果 。训练集中的分类结果是人为标注好的,有监督学习是一个通过已有训练样本的输入与输出训练模型,再利用这个模型将所有的新输入数据映射为相应的输出,对输出进行判断从而实现分类的过程。
参考来源
- 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第1章《机器学习入门》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00006.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:1.4.1 段以大人教幼儿识物为类比,并明确训练集每条数据须含输入与输出、分类结果人为标注,支撑本卡对有监督学习的定义与边界结论。
- 原始内容:有监督学习的训练集要求每一条数据都包括输入和输出,也就是说必须带有特征和分类结果 。训练集中的分类结果是人为标注好的,有监督学习是一个通过已有训练样本的输入与输出训练模型,再利用这个模型将所有的新输入数据映射为相应的输出,对输出进行判断从而实现分类的过程。