機器學習中有幾個帶有“監督”二字的名詞，易混淆，寫篇部落格解釋一下下~

1、監督學習（Supervised Learning）：是指從標註資料中學習預測模型的機器學習方法，其本質是學習輸入到輸出的對映的統計規律。（對映：兩個集合中元素相互對應的關係）

例如：老張有一堆小貓小狗的圖片，然後拿著這堆圖片給他的計算機，並且老張還給每張圖片一個檔名分別是貓或狗，這個時候圖片和檔名共同作為計算機的輸入，經過一段時間的學習，老張的計算機得到了一個可以辨識貓狗的模型，這個時候隔壁老王拿了一張他家的大黃的圖片，輸入到老張的計算機中，然後老張的計算機打印出“狗”的字樣，這就預測出來了老王家大黃是一條狗。

監督學習方法：KNN、SVM等。

2、無監督學習（Unsupervised Learning）：是指從無標註資料中學習預測模型的機器學習方法，其本質是學習資料中的統計規律或潛在結構。

例如：還是上面的老張，這個時候老張只拿著這堆圖片給他的計算機，並不告訴計算機這張是貓的圖片，那張是狗的圖片，而是靠計算機自己對圖片提取特徵然後計算圖片和圖片之間的相似度，經過計算機自己的計算髮現，狗與狗的圖片之間更相似，貓和貓的圖片之間更相似，於是計算機就聰明的把狗的圖片分成一小堆，貓的圖片分成一小堆。這個時候老王又帶著大黃來了，計算機一看，大黃明顯和狗堆的相似度更高，於是就告訴老王，大黃是一條狗。

無監督學習方法：聚類、K均值、PCA等。

3、半監督學習（Semi-supervised Learning）：是指從大量的未標記資料以及部分標記資料中學習預測模型的機器學習方法。

例如：用有標籤的資料訓練一個分類器，然後用這個分類器對無標籤資料進行分類，這樣就會產生偽標籤或軟標籤，挑選你認為分類正確的無標籤樣本用來訓練分類器。

半監督學習方法：簡單自訓練等

4、自監督學習（Self-supervised Learning）：是指直接從大規模的無監督資料中挖掘自身監督資訊來進行監督學習和訓練的一種機器學習方法（可以看成是無監督學習的一種特殊情況），自監督學習需要標籤，不過這個標籤不來自於人工標註，而是來自於資料本身。

例如：輸入計算機一張圖片，把圖片隨機旋轉一個角度，然後把旋轉後的圖片作為輸入，隨機旋轉的角度作為標籤，然後拿著這些標籤和對應的圖片資料進行監督學習和訓練。

自監督學習方法：基於上下文、基於時序、基於對比等。
————————————————
版權宣告：本文為CSDN博主「QianZ423」的原創文章，遵循CC 4.0 BY-SA版權協議，轉載請附上原文出處連結及本宣告。
原文連結：https://blog.csdn.net/qq_53527856/article/details/121755217