什么是无监督学习?

发布网友 发布时间：2022-04-10 07:41

我来回答

共2个回答

热心网友 时间：2022-04-10 09:10

无监督学习目标

目标是不告诉计算机怎么做，而是让它（计算机）学会如何做某事。无监督学习一般有两种思维方式。第一个思路不是为代理人明确地分类，而是在成功的时候使用某种奖励制度。应该指出的是，这种培训通常放在决策的框架内，因为它的目标不是产生分类系统，而是决定最大回报。这个想法是对现实世界的一个很好的概括，而代理可以激励正确的行为并惩罚其他行为。

无监督学习价值

某些形式的强化学习通常可以用于无监督学习。因为没有必要的方法来学习影响世界的所有信息，所以代理人在以前的奖惩基础上建立其行为。从某种意义上说，所有这些信息都是不必要的，因为通过学习激发函数，代理可以清楚地知道该做什么而不需要任何处理，因为它知道代理所采取的每一个动作的确切预期收益。这种方法对于防止大量的计算来计算每一种可能性和消耗大量的时间（即使所有世界状态的变化概率都是已知的）是非常有用的。另一方面，尝试犯错误也是一项费时费力的研究。

无监督学习案例

然而，这种学习可能是非常强大的，因为它假设没有预先分类的样本。例如，在某些情况下，我们的分类方法可能不是最好的选择。在这方面，一个突出的例子是五子棋游戏。有一系列的计算机程序，通过无监督学习，并成为比人类最强的球员更出色。这些程序发现的一些原则甚至让五子棋专家感到惊讶，他们比那些用预分类样本训练的五子棋程序效果更好。

第二类无监督学习称为聚类。这种学习的目的不是最大化效用函数，而是寻找训练数据中的近似点。聚合常常找到与假设相匹配的很好的视觉分类。例如，基于人口统计的聚集个体可能在一个群体中形成丰富的聚集，以及其他贫困聚集。

热心网友 时间：2022-04-10 10:28

什么是无监督学习？

根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，称之为无监督学习。无监督学习也就是我们事先没有任何训练数据样本，需要直接对数据进行建模。

常用的无监督学习算法主要有主成分分析方法PCA等，等距映射方法、局部线性嵌入方法、拉普拉斯特征映射方法、黑塞局部线性嵌入方法和局部切空间排列方法等。

现在深度学习中采用的无监督学习方法通常采用较为简单的算法和直观的评价标准。

或许很多人都会认为任何事情有人教当然很好了啊，所有监督学习更方便快捷嘛，大部分情况确实这样。

但是如果有些情况比如无法提供训练数据样本或者提供训练数据样本的成本太高的话，或许我们就应该采取无监督学习的策略了。

监督学习的典型例子就是决策树、神经网络以及疾病监测，而无监督学习就是很早之前的西洋双陆棋和聚类。

给大家举一个无监督学习的例子。

远古时期，我们的祖先打猎吃肉，他们本身之前是没有经验而言的，当有人用很粗的石头去割动物的皮的时候，发现很难把皮隔开，但是又有人用很薄的石头去割，发现比别人更加容易的隔开动物的毛皮，于是，第二天、第三天、……，他们就知道了需要寻找比较薄的石头片来割。

这些就是无监督学习的思想，外界没有经验和训练数据样本提供给它们，完全靠自己摸索。