非监督学习
在前述的机器学习算法中,我们总有一个训练数据集合,即“标注数据”,如所有汽车图片都会标注上“汽车”,所有猫的图片都会标注上“猫”等。这样在训练的输出端,我们就知道结果是否正确,因此可以用正确结果和输出结果的差来训练机器(调整各层的权重系数),就像一个妈妈教孩子认识东西,这类算法叫“监督学习”。在机器学习中还有一种算法不依赖于“标注数据”,叫“非监督学习”,像一个孩子在没人教的情况下自己学习。非监督学习最常用的情形是分类,例如一个孩子见过许多猫和狗后,如果大人不告诉孩子这两种动物的名字,孩子也许不知道名字,但慢慢会知道猫和狗是两种不同的动物。在商业上有很多应用,例如在营销上面可以根据人群的不同属性将其划分成不同人群进行精准营销;在社交媒体上面,可以根据人们之间的互动次数,划出每个人的朋友圈子;在医疗诊断上面可以根据不同症状之间的相关性更精确地预测还未发现的疾病;等等。
本书评论