<strong id="33j4t"><kbd id="33j4t"></kbd></strong><span id="33j4t"><pre id="33j4t"></pre></span>
<em id="33j4t"></em>
    1. 您當前的位置:首頁 > IT編程 > cnn卷積神經網絡
      | C語言 | Java | VB | VC | python | Android | TensorFlow | C++ | oracle | 學術與代碼 | cnn卷積神經網絡 | gnn | 圖像修復 | Keras | 數據集 | Neo4j | 自然語言處理 | 深度學習 | 醫學CAD | 醫學影像 | 超參數 | pointnet |

      深度學習中標簽、有監督學習、回歸等概念通俗解釋

      51自學網 2022-03-01 20:20:54
        cnn卷積神經網絡

      深度學習中標簽、有監督學習、回歸等概念

       

      轉載自:https://blog.csdn.net/PTkin/article/details/50910546
      邊講概念邊用"書"來舉例子

      1、特征(feature):數據的特征。

      書的內容

      2、標簽(label):數據的標簽。

      書屬于的類別,例如“計算機”“圖形學”“英文書”“教材”等。

      3、學習(learning):將很多數據丟給計算機分析,以此來訓練該計算機,培養計算機給數據分類的能力。換句話說,學習指的就是找到特征與標簽的映射(mapping)關系。這樣當有特征而無標簽的未知數據輸入時,我們就可以通過已有的關系得到未知數據標簽。

      把很多書交給一個學生,培養他給書本分類的能力。

      4、有監督學習(supervised learning):不僅把訓練數據丟給計算機,而且還把分類的結果(數據具有的標簽)也一并丟給計算機分析。 由于計算機在學習的過程中不僅有訓練數據,而且有訓練結果(標簽),因此訓練的效果通常不錯。訓練結束之后進行測試

      不僅把書給學生進行訓練給書本分類的能力,而且把分類的結果(哪本書屬于哪些類別)也給了學生做標準參考。

      5、半監督學習(semi-supervised learning):給計算機大量訓練數據與少量的分類結果(具有同一標簽的集合)。

      給學生很多未分類的書本與少量的清單,清單上說明哪些書屬于同一類別。

      6、無監督學習(unsupervised learning):只給計算機訓練數據,不給結果(標簽),因此計算機無法準確地知道哪些數據具有哪些標簽,只能憑借強大的計算能力分析數據的特征,從而得到一定的成果,通常是得到一些集合,集合內的數據在某些特征上相同或相似。

      只給學生進行未分類的書本進行訓練,不給標準參考,學生只能自己分析哪些書比較像,根據相同與相似點列出清單,說明哪些書比較可能是同一類別的。

      7、聚類(clustering):無監督學習的結果。聚類的結果將產生一組集合,集合中的對象與同集合中的對象彼此相似,與其他集合中的對象相異。

      沒有標準參考的學生給書本分的類別,表示自己認為這些書可能是同一類別的(具體什么類別不知道)。

      8、分類(classification):有監督學習的兩大應用之一,產生離散的結果。

      例如向模型輸入人的各種數據的訓練樣本,產生“輸入一個人的數據,判斷是否患有癌癥”的結果,結果必定是離散的,只有“是”或“否”。

      9、回歸(regression):有監督學習的兩大應用之一,產生連續的結果。

      例如向模型輸入人的各種數據的訓練樣本,產生“輸入一個人的數據,判斷此人20年后今后的經濟能力”的結果,結果是連續的,往往得到一條回歸曲線。當輸入自變量不同時,輸出的因變量非離散分布。


      返回列表
      Keras 獲取深度學習模型中某一層輸出
      51自學網,即我要自學網,自學EXCEL、自學PS、自學CAD、自學C語言、自學css3實例,是一個通過網絡自主學習工作技能的自學平臺,網友喜歡的軟件自學網站。
      京ICP備13026421號-1
      亚洲第一网站男人都懂2021,中文字幕无码久久精品,大胸美女又黄又w网站,全免费a级毛片免费看