学期（2023-2024-1） 学号（20232425）《网络空间安全导论》第5周学习总结
教材学习内容总结
本周我学习了《网络空间安全导论》的第5章，其主要讲述了
在学习过程中，我总结了如下要点，以思维导图的方式呈现：
教材学习中的问题和解决过程
-
问题1：监督学习在那种情况下更适用？
-
问题1解决方案：通过研读课本及询问ChatGTP得知：
-
优点：
-
1.监督学习使用有标签的训练数据，可以通过比较预测结果和真实标签来进行模型的评估和优化。
-
2.监督学习可以进行分类和回归任务，能够预测离散值和连续值。
-
3.监督学习可以利用已知的标签信息进行模型训练，能够更好地理解数据的特征和关系。
-
缺点：
-
1.监督学习需要大量的标记数据，数据标注成本高，且可能存在标签噪声。
-
2.监督学习对数据的依赖性较高，当遇到新的未标记数据时，模型可能无法进行准确预测。
-
3.监督学习对特征的选择和提取要求较高，需要人工进行特征工程。
总结：监督学习适用于有标签数据且需要进行分类或回归预测的任务 -
问题2：无监督学习在那种情况下更适用？
-
问题2解决方案：通过查阅资料及chatGTP得出：
-
优点：
-
1.无监督学习不需要标签数据，可以直接对未标记数据进行学习和分析。
-
2.无监督学习可以发现数据中的隐藏模式和结构，帮助理解数据的内在特征。
-
3.无监督学习可以用于数据降维、聚类、异常检测等任务。
-
缺点：
-
1.无监督学习的结果通常较难进行评估和验证，因为没有标签数据进行比较。
-
2.无监督学习的结果可能存在多个解释，解释性较差。
-
3.无监督学习对数据的依赖性较高，对数据质量和噪声敏感。
总结：无监督学习适用于无标签数据且需要发现数据内在结构和模式的任务。