今天呢，對機器學習的種類進行介紹～
從是否在人類監督下訓練，可以分為：監督式學習、無監督式學習、半監督式學習和強化學習；
從是簡單地將新的資料點和已知的資料點進行匹配，還是像科學家那樣，對訓練資料進行模式檢測，然後建立乙個**模型，可以分為：基於例項的學習和基於模型的學習。
下面呢，我們來看一下第一種分類。
1、監督式學習，就是包含了所需解決方案的訓練資料，稱為標籤或標記。分類任務和回歸任務都是典型的監督式學習任務。不過一些回歸演算法也可以用於分類任務，比如邏輯回歸就被廣泛地用於分類，它可以輸出屬於某個給定類別的概率的值。
2、無監督式學習，訓練資料都是未經過標記的。比如聚類演算法、視覺化演算法、降維、異常檢測，關聯檢測學習等。降維的目的是在不丟失太多資訊的前提下簡化資料，方法之一是將多個相關特徵合併為乙個，這個過程叫作特徵提取。異常檢測是系統用正常例項進行訓練，然後當看到新的例項時，它就可以判斷出這個新例項看上去是正常還是異常。關聯規則學習目的是挖掘大量資料，發現屬性之間的有趣聯絡。
3、半監督式學習，就是處理部分標記的訓練資料——通常是大量未標記資料和少量的標記資料。大多數半監督式學習演算法是無監督式和監督式演算法的結合，例如深度信念網路。
4、強化學習，它的學習系統稱為智慧型體，它必須自行學習什麼是最好的策略，策略代表智慧型體在特定情況下應該選擇的操作。deepmind的alphago專案是乙個強化學習的好例子。
機器學習的種類
一 監督學習 supervised learning 已有訓練樣本和分類器，通過訓練樣本來得到分類器的最佳模型，再利用這個模型來處理新樣本。1 分類 2 回歸 3 結構學習 structured learning 4 深度學習 常見演算法 反向傳播演算法 bp演算法 二 半監督學習 semi sup...
機器學習的種類及其主要任務
根據處理的資料是否具有標籤資訊，我們可以將機器學習分為監督學習 無監督學習 半監督學習 強化學習等幾種型別。通過讓機器學習大量帶有標籤的樣本資料，訓練出乙個模型，並使該模型可以根據輸入得到相應輸出的過程。監督學習的主要任務的分類和回歸。值為離散值的問題為分類，包括決策樹 支援向量機 樸素貝葉斯 整合...
入門機器學習 十一 機器學習系統的設計
1.誤差分析 error analysis 當研究機器學習時，最好的方法不是使用複雜的系統，而是用簡單的演算法，最快得到結果。即便執行不完美，但是也要執行一遍，最後通過交叉驗證來驗證資料。一旦做完，可以畫出學習曲線，通過畫出學習曲線，以驗證檢驗誤差來判斷演算法是否具有高偏差或者高方差的問題。在分析之...