模式识别和无监督学习一样吗?机器学习和监督学习一样吗?

数据挖掘 机器学习 无监督学习 监督学习 模式识别
2022-02-08 12:11:44

首先,这里是适定学习问题的定义:

如果计算机程序在 T 上的性能(由 P 衡量)随着经验 E 而提高,则称计算机程序从经验 E 中学习某些任务 T 和某些性能度量 P。

我的机器学习教授声称监督学习是机器学习,无监督学习是模式识别。以下是他对机器学习和模式识别的定义:

机器学习是从经验中学习。它也被称为监督学习。E 由特征和标签组成,P 和 T 是明确定义的。

模式识别是在没有经验的情况下寻找模式。它也被称为无监督学习。E 仅由特征组成,而 P 和 T 则以更广泛的术语定义,即寻找“有趣的模式”。

如果我将此与互联网上的其他来源交叉引用,我会得到不同的定义。他们说机器学习包括有监督和无监督学习。同样,模式识别包括有监督和无监督学习。有人说模式识别就是机器学习。甚至有人说相反,机器学习是模式识别的一种形式。

那么我的教授是对的,还是互联网是对的,或者答案是否介于两者之间?我们能明确回答这个问题吗?

1个回答

不错的话题。我认为这取决于机器的“学习”过程是如何定义的,所以如果我们假设机器可以“自主”从经验中学习(即每次 X 次可用的新数据),为什么不包括半- 有监督和无监督的学习方式? 机器拥有的关于正在建模的系统的数据越多,就越有更多信息可以找到更准确地描述系统的精确模式,适用于各种学习方式

作为一个例子,我解释了一类支持向量机是如何工作的,我们可以看到,尽管无监督学习过程没有基本事实(即标签)或半监督学习只有“正态性”标签,机器能够更好地描述系统,因为它接收到更多数据并且调整了一些超参数,如果你用已知点测试你的模型,应该在学习集群之外(在这种情况下,异常分数也可能是一个指标)。