PTT數位生活區 / DataScience

[問題] 半監督與非監督的定義

看板DataScience作者 (小刀會序曲)時間5年前 (2019/05/12 17:18), 5年前編輯推噓4(4推 0噓 6→)
留言10則, 6人參與, 5年前最新討論串1/1
普遍聽到的定義是，當訓練模型時如果用到label就是監督式學習 一部分有label則是半監督，訓練時沒有用到label就是非監督 但最近在做異常檢測，其中一個方法是利用AE學習正常樣本的pattern 若預測不符合學習的pattern則判斷異常。 雖然在訓練AE時，沒有把label丟進去一起訓練 但我們事前還是需要靠label來判斷哪些是正常樣本，哪些為異常 若沒有label的話則無法判斷正常還是異常 因此想請問這樣的訓練算是哪一種呢? -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.226.124.39 ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1557652709.A.8BA.html
→
05/12 18:51, 5年前 , 1F
監督
05/12 18:51, 1F
推
05/12 19:29, 5年前 , 2F
監督++
05/12 19:29, 2F
→
05/12 19:31, 5年前 , 3F
監督 你訓練ae時把原始資料當label學
05/12 19:31, 3F
推
05/12 19:39, 5年前 , 4F
跟驗證掰或不掰一樣道理
05/12 19:39, 4F
→
05/13 02:27, 5年前 , 5F
label 有幾個打錯了
05/13 02:27, 5F
推
05/14 20:34, 5年前 , 6F
單看訓練AE是監督式. 但若你只用正常樣本下去訓練, 在測試
05/14 20:34, 6F
→
05/14 20:35, 5年前 , 7F
時才加入負樣本做檢測評估, 若從異常偵測的角度來看,
05/14 20:35, 7F
→
05/14 20:36, 5年前 , 8F
這樣的學習算是半監督, 因為你訓練時只有一種類別的樣本
05/14 20:36, 8F
推
05/14 20:42, 5年前 , 9F
但你訓練時同時有正負樣本, 且已知誰是正負樣本並進行不同
05/14 20:42, 9F
→
05/14 20:43, 5年前 , 10F
的學習方式, 就算監督式學習, 最常見的就是二分類學習.
05/14 20:43, 10F
※ 編輯: disney82231 (120.126.194.162), 05/17/2019 22:57:03
‣ 更多 disney82231 的文章
文章代碼(AID): #1Sr-JbYw (DataScience)
DataScience 近期熱門文章
更多 近期熱門文章 >>
PTT數位生活區 即時熱門文章
更多 即時熱門文章 >>
‣ 更多 disney82231 的文章
文章代碼(AID): #1Sr-JbYw (DataScience)