无监督学习的特点是训练数据没有标签,无监督学习识别和利用数据中的模式进行诸如数据压缩或降维(如自编码器)或生成模型(如GAN等)之类的任务。
数据的压缩和降维涉及到使用比原始数据表示更少的信息进行编码。
生成模型可以对训练及数据的分布进行逼近,然后从该近似分布中生成新的数据点。
无监督学习的特点是训练数据没有标签,无监督学习识别和利用数据中的模式进行诸如数据压缩或降维(如自编码器)或生成模型(如GAN等)之类的任务。
数据的压缩和降维涉及到使用比原始数据表示更少的信息进行编码。
生成模型可以对训练及数据的分布进行逼近,然后从该近似分布中生成新的数据点。