Phân loại các loại phương pháp học máy?
Mọi người có thể giúp mình phân biệt các phương pháp học máy sau có những điểm giống và khác nhau thế nào ạ:
- Học có giám sát (supervised learning)
- Học không có giám sát (unsupervised learning)
- Học bán giám sát (semi-supervised learning)
- Học tăng cường (reinforcement learning)
Và phân biệt hai loại mô hình học máy:
- Generative models
- Discriminative Models
trí tuệ nhân tạo
Các phương pháp học máy trên có những điểm khác biệt cơ bản sau:
- Học có giám sát: là học dựa trên tập dữ liệu có gán nhãn, thường dùng cho bài toán phân lớp.
- Học không giám sát: là học dựa trên tập dữ liệu không gán nhãn, thường dùng cho bài toán phân cụm.
- Học bán giám sát: là học dưạ trên cả dữ liệu gán nhãn lẫn không gán nhãn.
- Học tăng cường (reinforcement learning) có thể xem là môt mảng con của học máy (tùy quan điểm); đối với deep learning thì học tăng cường chủ yếu là học chuỗi các phản ứng nhằm tối đa hóa lợi ích.
Nội dung liên quan
Nội dung sắp xếp theo thời gian
Tuyen Luong
Các phương pháp học máy trên có những điểm khác biệt cơ bản sau:
Nguyễn Tiến Hoàng
Nguồn tham khảo:
Phạm Việt Hà
Mình xin trả lời ý 2, theo những gì mình biết.
Discriminative model (mô hình phân biệt) là loại mô hình mà nó mô hình hóa sự khác biệt (của cái A, B, C ... với nhau), ví dụ như 1 siêu phẳng chia không gian thành 2 phần (SVM).
Generative model (mô hình sinh) là loại mô hình mà mô hình chính cái A, cái B, cái C ..., ví dụ như mô hình bigram mô hình hóa xác suất của một bigram là bao nhiêu. Chính vì vậy, nó có thể dùng để sinh ra cái A, cái B, cái C.