机器学习算法通常被分类为监督或无监督。监督算法要求具有机器学习技能的数据科学家或数据分析师提供输入和期望输出,此外还提供关于算法训练期间预测准确性的反馈。数据科学家确定模型应分析和使用哪些变量或特征来开发预测。培训完成后,算法将学到的内容应用于新数据。
无监督算法不需要用期望的结果数据进行训练。相反,他们使用称为深度学习的迭代方法来审查数据并得出结论。无监督学习算法 - 也称为神经网络 - 用于比监督学习系统更复杂的处理任务,包括图像识别,语音到文本和自然语言生成。这些神经网络通过梳理数百万个训练数据示例并自动识别许多变量之间经常微妙的相关性来工作。一旦经过训练,算法就可以使用其关联组来解释新数据。这些算法在大数据时代才变得可行,因为它们需要大量的训练数据。
三个资料Q群下载不了也转发不了,先放这里Fine_tuning.zipLangChain.zipdata_clear.rar