监督学习是指:利用一组已知类别的样本调整分类器的参数,使其达到所要求性能的过程,也称为监督训练或有教师学习。 监督学习是从标记的训练数据来推断一个功能的机器学习任务。训练数据包括一套训练示例。在监督学习中,每个实例都是由一个输入对象(通常为矢量)和一个期望的输出值(也称为监督信号)组成。监督学习算法是分析该训练数据,并产生一个推断的功能,其可以用于映射出新的实例。一个最佳的方案将允许该算法来正确地决定那些看不见的实例的类标签。这就要求学习算法是在一种“合理”的方式从一种从训练数据到看不见的情况下形成。
图解机器学习
大数据技术
0+阅读 · 2017年11月13日
干货 | 从零开始入门机器学习算法实践
雷锋网
9+阅读 · 2017年11月30日
【ICLR2021必读】 【自监督学习】 & 【Transformer】相关论文
深度学习自然语言处理
2+阅读 · 2020年10月23日
下载 | 114页自监督学习指南【PPT By Yann Lecun】
机器学习算法与Python学习
4+阅读 · 2018年12月24日
【IJCAI】大规模可扩展深度学习,82页ppt
专知
0+阅读 · 2021年1月10日
摩根大通:不懂编程就是文盲,资管经理强制学习编程
量化投资与机器学习
0+阅读 · 2018年10月10日
KNN和Kmeans聚类(kmeans clustering)有什么不同?
七月在线实验室
0+阅读 · 2019年4月22日
人工智能用于网络安全的「能」与「不能」
机器之能
0+阅读 · 2017年8月4日
深度学习之父Hinton:下一代神经网络
CVer
0+阅读 · 2020年7月29日
为什么『无监督集成学习』乏人问津?
AI研习社
10+阅读 · 2017年10月24日
参考链接
子主题
微信扫码咨询专知VIP会员