1、对于有监督学习、无监督学习、半监督学习、迁移学习的理解。 1、有监督学习（supervised learning）
在监督学习中，给定一组数据，我们知道正确的输出结果应该是什么样子，并且知道在输入和输出之间有着一个特定的关系。 举例：不仅把书给学生进行训练给书本分类的能力，而且把分类的结果（哪本书属于哪些类别）也给了学生做标准参考。 2、无监督学习（unsupervised learning）立式升降机
在无监督学习中，我们基本上不知道结果会是什么样子，但我们可以通过聚类的方式从数据中提取一个特殊的结构。在无监督学习中给定的数据是和监督学习中给定的数据是不一样的。在无监督学习中给定的数据没有任何标签或者说只有同一种标签。
举例：只给学生进行未分类的书本进行训练，不给标准参考，学生只能自己分析哪些书比较像，根据相同与相似点列出清单，说明哪些书比较可能是同一类别的。
3、半监督学习（semi-supervised learning）
有监督学习和无监督学习的中间带就是半监督学习（semi-supervised learning）。对于半监督学习，其训练数据的一部分是有标签的，另一部分没有标签，而没标签数据的数量常常远远大于有标签数据数量。
热升华转印纸
隐藏在半监督学习下的基本规律在于：数据的分布必然不是完全随机的，通过一些有标签数据的局部特征，以及更多没标签数据的整体分布，就可以得到可以接受甚至是非常好的分类结果。
4.迁移学习（Transfer Learning）
用神经网络的词语来表述，就是一层层网络中每个节点的权重从一个训练好的网络迁移到一个全新的网络里，而不是从头开始，为每特定的个任务训练一个神经网络。
目标点火装置
将某个领域或任务上学习到的知识或模式应用到不同但相关的领域或问题中。
主要思想
从相关领域中迁移标注数据或者知识结构、完成或改进目标领域或任务的学习效果。
迁移学习里有两个非常重要的概念
∙域（Domain）
∙任务（Task）
工业废渣制砖
域 可以理解为某个时刻的某个特定领域，比如书本评论和电视剧评论可以看作是两个不同的domain
任务 就是要做的事情，比如情感分析和实体识别就是两个不同的task
比如学会骑自行车，就比较容易学摩托车，学会了C语言，在学一些其它编程语言会简单很多。
举图像识别中最常见的例子，训练一个神经网络。来识别不同的品种的猫，你若是从头开
始训练，你需要百万级的带标注数据，海量的显卡资源。而若是使用迁移学习，你可以使用Google发布的Inception或VGG16这样成熟的物品分类的网络，只训练最后的softmax层，你只需要几千张图片，使用普通的CPU就能完成，而且模型的准确性不差。
为什么使用？
迁移学习在图像识别部分应用的比较多，因为检测图像的底层特征比如边缘检测、曲线检测、阳性检测等等其实是一样的过程。预训练的网络已经在很大的数据集里针对这些底层特征做好了训练，所以它能够对迁移后的学习提供帮助。预训练的网络学习了大量关于图像结构和本质特性等有用的知识。它已经学习了足够多的如何识别图像的知识，包括图像的不同部分看起来是怎样的，其中关于点、线、曲线的知识以及物体的某些小部分，这些都可以帮助radiology diagnosis网络以更小的数据获得更快的学习速度。
快速运输增强学习（reinforcement learning）
reinforcement learning的特点:
agent是从环境中去学习,不是data中，是基于环境的,angent需要从环境中获得大量的信息
来学习和采取行动action，目标是学习从环境状态到行为的映射，使得agent选择的行为能够获得环境最大的奖励，reinforcement learning中的奖励来自于环境中的反馈。
2、对欠拟合、过拟合的理解及应对方法
欠拟合：
理解：
药盒欠拟合就是模型没有很好地捕捉到数据特征，不能够很好地拟合数据。
体现：
在训练集、验证集和测试集上均表现不佳的情况
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议