自监督学习 有监督学习 无监督

自监督学习、有监督学习和无监督学习是机器学习中常见的三种学习方法。

自监督学习是一种从数据本身找标签来进行有监督学习的方法。在自监督学习中，使用自己的输入X（或经过修改的输入）作为监督，而不是依赖外部标签。这意味着通过对数据进行一些变换或增强，可以利用这些变换后的数据作为监督来训练模型。

有监督学习是指在训练数据集中，每个样本都有与之对应的标签。模型通过学习输入与标签之间的关系来进行预测。在有监督学习中，我们使用带有标签的数据来训练模型，并使用模型对未知数据进行预测。

无监督学习是一种没有标签的学习方法，其目标是从数据分布的角度来学习数据的结构和模式。在无监督学习中，我们不知道数据的真实标签，而是通过对数据进行聚类、降维等操作来发现数据中的内在结构和模式。

总结起来，自监督学习通过对数据进行变换或增强来自动生成标签，有监督学习通过外部标签进行训练和预测，而无监督学习则从数据自身的分布中学习数据的结构和模式。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [深度学习中有监督，无监督， 自监督学习](https://blog.csdn.net/chumingqian/article/details/131315745)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]