檢舉內容
What AI really good at ? (2)

2023/01/21閱讀時間約 1 分鐘

上一次我們提到了關於AI最常見的學習模式,“監督學習(Supervised Learning)”,監督式學習是一種收集數據以後給予機器輸出之後的一種學習模式,利用標籤數據進行預測結果,能夠用來作為許多用途,比如房價預測、圖片分類、電話分類等等。

而這一次,讓我們來談談關於另一種AI學習模式,無監督學習(Unsupervised Learning)。

無監督學習(Unsupervised Learning)

無監督式學習是另外一種AI學習模型,與監督式學習不同的是,它並不需要透過標籤數據來進行訓練,它更像是對數據進行分群亦或是降維、強化對於數據的理解。

常見的無監督式學習有兩種,分別是聚類、降維。

聚類

聚類

關於聚類,如同字面上的意思一樣,是將收集而來的數據進行分群,讓同一群體內的數據變得相似,而不同群體之間的數據不想死。

聚類可以將顧客進行分群,以便提供適合不同群體的產品亦或是服務,也可以進行不一樣的廣告投放。

降維

降維

降維這個詞可能對於大家來說比較陌生,但其實它也並不算是難以理解。

其實降維指的是將高維度數據降至低維度,如此一來可以將數據可視化,能夠讓我們更好的理解數據。

那麼其目的明顯的就是去除運算的複雜度,提高模型的性能。

降維可以用在圖像識別,如在人臉辨識中,我們可以將高緯度的圖像轉換成低緯度特徵向量(這樣做可以消除沉餘信息),這樣可以減少計算的複雜程度。

降維也可以將數據可視化,因為高維度的數據很難直接可視化,降維可以直接將數據降低至2維度亦或是3維度,這樣就能夠直接在平面上進行可視化。

同時,也能夠用來進行降噪。因在高維空間中,噪音數據具有相似的特性,降低維度可以將其中特徵隔離出來。

贊助支持創作者,成為他繼續創作的動力吧!
江唯
江唯
Life is party ! ewwwwwwwww
留言0
查看全部
發表第一個留言支持創作者!
打造你的創作天地
在這裡尋找共鳴,與方格子的 35 萬格友分享觀點與生活。
領取見面禮
只要設定追蹤作者,即可享有 48小時
Premium 閱讀權限