监督学习是指:利用一组已知类别的样本调整分类器的参数,使其达到所要求性能的过程,也称为监督训练或有教师学习。 监督学习是从标记的训练数据来推断一个功能的机器学习任务。训练数据包括一套训练示例。在监督学习中,每个实例都是由一个输入对象(通常为矢量)和一个期望的输出值(也称为监督信号)组成。监督学习算法是分析该训练数据,并产生一个推断的功能,其可以用于映射出新的实例。一个最佳的方案将允许该算法来正确地决定那些看不见的实例的类标签。这就要求学习算法是在一种“合理”的方式从一种从训练数据到看不见的情况下形成。

精品内容

监督和半监督学习下的多标签分类综述
专知会员服务
29+阅读 · 8月3日
超视距空战的交战决策支持
专知会员服务
32+阅读 · 6月23日
「深度学习注意力机制 」最新TKDE2022研究综述
专知会员服务
86+阅读 · 3月29日
【CMAP】机器学习硬核讲解课程
专知会员服务
34+阅读 · 2021年9月30日
专知会员服务
15+阅读 · 2021年5月16日
专知会员服务
69+阅读 · 2021年1月7日
最新《监督机器学习可解释性》2020大综述论文,74页pdf
专知会员服务
112+阅读 · 2020年11月19日
最新《对比监督学习》综述论文,20页pdf
专知会员服务
70+阅读 · 2020年11月5日
参考链接
子主题
微信扫码咨询专知VIP会员