弱监督学习是一个总括性的术语,涵盖了尝试通过较弱的监督来学习并构建预测模型的各种研究。关于弱监督学习和传统的有监督学习以及上述的三种弱监督的联系可见下图: 4、强化学习 在这种学习模式下,输入数据作为对模型的反馈,不像监督模型那样,输入数据仅仅是作为一个检查模型对错的方式,在强化学习下,输入数据直接反馈到...
不同的训练方式分为有监督学习、无监督学习、半监督学习、自监督学习、弱监督学习。有监督学习是模型学习有标签的数据,学习数据到标签的一种映射关系。无监督学习就是学习完全没有标签的数据,模型从这类数据中学到一些模式。因为现实生活中存在大量的无标签数据,因此无监督学习能够从大量的数据中学到知识。半监督学习...
半监督学习则融合了有标注与无标注数据的特点，利用有标注数据引导模型学习，再将学习到的知识应用于无标注数据，以提高模型的泛化能力和性能。自监督学习与无监督学习类似，但模型能够通过学习无标注数据生成额外的标签，实现自我指导的训练过程。弱监督学习则面对的是标注信息稀少但任务难度大的情况，如目标...