返回信息流Supervised Learning
Unsupervised Learning
Semi-supervised learning
这三个的区别，各自优缺点，还有性能
虽然能google到，但是我看了下感觉google的解释让我有点懵懵懂懂，理解不清晰。
请问哪位大牛能够解释一下他们， 并且举一些三种learning 的model的例子呢？
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #12567同步于 2014/3/4
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
Supervised, Unsupervised and semi-supervised 区别
mbym
2014/3/4镜像同步4 回复
订阅后，新回复会通过你的通知中心匿名送达。
4 条回复
假设要做手写数字识别，x是图像，y是label（数字）。
SL：给定{(x,y)}，也就是给定数字图像都是有label的。
UL：只给定{(x)}，也就是所有数字图像都是没有label的。由于没有给定任何{y}，一般其直接学习目标就不是做prediction，可能是个聚类，或者学习潜在表示。
SSL：给定{(x,y)}与{x}，也就是有一部分数字图像是有labele的，还有一部分数字图像没有label。可以把这个理解成SL的一个扩展，由于label一般都要用代价获取，所以，对于大数据，一般只会有部分数据有label，可以用SL，但是如何利用没有label的那部分来进一步增强预测效果就是SSL的目标了。
ssl是不是会根据以前的y分类，然后有一个阈值，出现新的y？
【 在 chentingpc 的大作中提到: 】
: 假设要做手写数字识别，x是图像，y是label（数字）。
: SL：给定{(x,y)}，也就是给定数字图像都是有label的。
: UL：只给定{(x)}，也就是所有数字图像都是没有label的。由于没有给定任何{y}，一般其直接学习目标就不是做prediction，可能是个聚类，或者学习潜在表示。
: ...................
简单说来，
监督学习就是你在有标准答案的卷子上做题，然后校对答案，并提高成绩。好处是，准确，结果可信。坏处是，需要付出一定成本（购买参考答案）
无监督学习就是你在没有标准答案的卷子上做题，然后直接判卷。好处是，代价小。坏处是，不够准确，结果可能很好或者很坏，通常不稳定。
半监督学习就是你在语文考试卷上做题，然后校对选择填空答案，最后判卷。好处是，只需要购买选择填空题答案，而不需要购买作文答案（因为没有）比方法1节省代价，比方法2简单。
这里的标准答案就是标注数据集，做题就是判断（如分类等），判卷就是验证准确率和召回率。