监督学习
发布日期:2021-11-10 15:56 信息来源:学习强国
信息来源:山东省工业和信息化厅
字体:【

监督学习

supervised learning

定义:训练样本的期望输出已知,学习目的是对新样本的输出进行预测,典型任务包括分类和回归。

学科:计算机科学技术_人工智能_机器学习

相关名词:分类 回归 模型


【延伸阅读】

监督学习是最常见的一种机器学习方式。其机制是基于一些事先标记的样本(输入和预期输出),训练机器得到一个最优模型或函数,再利用这个模型预测无标记的新的输入的输出。函数的输出可以是一个连续的值(称为回归),或是预测一个分类标签(称作分类)。监督学习算法分为回归算法和分类算法两种,是根据类别标签分布类型为连续型、离散型而定义的。在实际应用中,监督学习是一种非常高效的学习方式。

回归是指预测连续的、具体的数值。通过分析已知样本数据的输入和输出值,拟合出一个函数(公式),当有新的样本输入时,机器会通过公式预测出结果。机器学习的算法会对不同的预测公式进行测试,并通过比较在每个样本上的预测值和真实值的差别获得反馈,然后依据这些反馈不断地对预测公式进行调整。在这种学习方式中,预测量的真实值通过提供反馈对学习过程起到了监督的作用。回归法包括线性回归、最邻近方法、神经网络方法。

分类是对样本进行类别区分,用于离散型预测。对训练样本进行分类,从而得到预测模型。在完成机器学习后,机器会根据模型预测新数据所属类型。例如在机器训练时输入柠檬、香蕉、西瓜、绿提子的颜色、形状等数据,其输出值对应相应水果,训练完成后,输入一张新的柠檬图片,机器会根据形状排除香蕉,并根据颜色排除另外两项,最终预测其为柠檬。目前最广泛使用的分类器有支持向量机、决策树、神经网络方法等。


【打印本页】【关闭窗口】