监督算法有
① 下面算法哪些属于无监督学习算法
- PCA
- Support Vector Machine
- Gradient Boosting Decsion Tree
- K-means
- Latent Dirichlet Allocation
Label Propagation
其中无监督学习算法为PCA、K-means、Latent Dirichlet Allocation
② 半监督算法有哪些
这样的一个算法应该是有很多种算法的了，你可以通过一些数据或者是相关的资料去查询。
③ 有监督和无监督学习都各有哪些有名的算法和深度学习
听他人说的：无监督与监督学习的区别在于一个无教学值，一个有教学值。但是，个人认为他们的区别在于无监督学习一般是采用聚簇等算法来分类不同样本。而监督学习一般是利用教学值与实际输出值产生的误差，进行误差反向传播修改权值来完成网络修正的。但是无监督学习没有反向传播修改权值操作，当然这里只是说的是特征提取阶段。
④ 监督学习是不是bp算法
监督学习是你给定的数据它们都有标签，然后训练完了之后你再用别的不带标签的数据输进去，系统给你算出一个标签出来，这里的标签可以是离散的，也可以是连续的
BP算法是优化神经网络的一种算法，它是利用链式法则和反向求导来实现的
两个性质不一样
⑤ 监督分类的各种方法的定义合算法或者公式
监督分类 （supervised classification）又称训练场地法，是以建立统计识别函数为理论基础，依据典型样本训练方法进行分类的技术。即根据已知训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各待分类影像进行的图像分类，是模式识别的一种方法。要求训练区域具有典型性和代表性。判别准则若满足分类精度要求，则此准则成立；反之，需重新建立分类的决策规则，直至满足分类精度要求为止。常用算法有：判别分析、最大似然分析、特征分析、序贯分析和图形识别等。
分类方法的定义：
平行六面体法 平行六面体将用一条简单的判定规则对多光谱数据进行分类。判定边界在影像数据空间中是否行成了一个N维德平行六面体。平行六面体的尺度是由标准差阈值所确定的，而该标准差阈值则是根据每种所选类的均值求出的
最大似然法 假定每个波段中的每类的统计都呈现正态分布，并将计算出给定象元都被归到概率最大的哪一类里
最小距离法 使用了每个感兴趣区的均值矢量来计算每个未知象元到每一类均值矢量的欧氏距离，除非用户指定了标准差和距离的阈值，否则所有象元都将分类到感兴趣区中最接近的那一类
马氏距离法 是一个方向灵敏的距离分类器，分类时将使用到统计信息，与最大似然法有些类似，但是她假定了所有类的协方差都相等，所以它是一种较快的分类方法
二值编码分类法 根据波段值落在均值的上或下方，把数据波普和端元波普编码为0或1，异或逻辑函数用来将每种编码后的参考波普同编码后的数据波谱进行比较，生成一副分类影像
波谱角填图分类法 是一个基于物理的波谱分类法，它是用N维角度将象元与参考波谱进行匹配，此方法将波谱看成是空间中的矢量，矢量的维数就等于波段的个数，通过计算波谱间的角度，来判断连个波谱间的相似程度
⑥ 机器学习非监督机器学习算法有哪些
非监督机器学习可以分为以下几类
（1）聚类：聚类学习问题指的是我们想在数据中发现内在的分组，比如以购买行为对顾客进行分组。其又分为K-均值聚类、谱聚类、DBSCAN聚类、模糊聚类、GMM聚类、层次聚类等。
（2）关联：关联问题学习问题指的是我们想发现数据的各部分之间的联系和规则，例如购买X物品的顾客也喜欢购买Y物品。如：Apriori算法。
非监督学习，该算法没有任何目标/结果变量要预测/估计。这个算法将种群聚类到不同的分组中，例如被广泛用于将用户分到不同的用户组从而对不同的用户组进行特定的干预。非监督学习的例子有：关联算法和k均值算法。
想要学习了解更多机器学习非监督机器学习的知识，推荐CDA数据分析师课程。CDA数据分析师是在数字经济大背景和人工智能时代趋势下，面向全行业的专业权威国际资格认证，通过 CDA 认证考试者可获得 CDA 数据分析师中英文认证证书。点击预约免费试听课。
⑦ 监督算法在使用前已经有标签了 为什么还要分类
习惯用法，用标签样式实现小图标可以复用，不只是html5里。其他标签有些也可以，但一般用i或者b，如果非要用个div也能实现。
⑧ 常见的监督学习算法
K-近邻算法：K-近邻是一种分类算法，其思路是如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。
K通常是不大于20的整数。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。
ID3算法：划分数据集的最大原则就是将数据变得更加有序。熵（entropy）是描述信息不确定性（杂乱程度）的一个值。
(8)监督算法有扩展阅读：
注意事项：
分类：当数据被用于预测类别时，监督学习也可处理这类分类任务。给一张图片贴上猫或狗的标签就是这种情况。当分类标签只有两个时，这就是二元分类，超过两个则是多元分类。
预测：这是一个基于过去和现在的数据预测未来的过程，其最大应用是趋势分析。一个典型实例是根据今年和前年的销售业绩以预测下一年的销售业绩。
⑨ 监督分类的常用算法
常用算法有：判别分析、最大似然分析、特征分析、序贯分析和图形识别等。
⑩ 无监督和有监督算法分别有哪些
听听别人怎么说: 非监督式学习不同于监督式学习，一个没有教学价值，另一个有教学价值。然而，我认为它们之间的区别在于非监督式学习通常使用聚类和其他算法来对不同的样本进行分类。监督式学习通常利用教学值与实际输出值之间的误差，进行误差反向传播来修正权值，完成网络校正。但是，非监督式学习并没有改变操作的权重，当然，这里只说是特征提取阶段。