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。
【NeurIPS2022】基于最大熵编码的自监督学习
NeurIPS 2022 | 基于精确差异学习的图自监督学习
PaperWeekly
0+阅读 · 2022年10月22日
我的RL民科之路:从NeurIPS 2019到OpenAccept2022
PaperWeekly
0+阅读 · 2022年9月24日
我的RL民科之路:从NeurIPS2019到OpenAccept2022
机器之心
0+阅读 · 2022年9月24日
参考链接
子主题
微信扫码咨询专知VIP会员