机器学习的种类及其典型的任务

学习的种类

参考书：图解机器学习

1.监督学习

（1）定义：指有求知欲的学生从老师那里获取知识、信息，老师提供对错指示、告知最终答案的学习过程。
在机器学习中，计算机 = 学生，周围的环境 = 老师。
（2）最终目标：根据在学习过程中获得的经验技能，对没学习过的问题也可以做出正确解答，使计算机获得这种泛化能力。
（3）应用：手写文字识别、声音处理、图像处理、垃圾邮件分类与拦截、网页检索、基因诊断、股票预测等。
（4）典型任务：预测数值型数据的回归、预测分类标签的分类、预测顺序的排列
（5）我的理解：计算机在正确输出的不断更正和指引下，不断提高自己分析和解决问题的正确性。

2.无监督学习

（1）定义：指在没有老师的情况下，学生自学的过程。
在机器学习中，计算机从互联网中自动收集信息，并获取有用信息。
（2）最终目标：无监督学习不局限于解决有正确答案的问题，所以目标可以不必十分明确。
（3）应用：人造卫星故障诊断、视频分析、社交网站解析、声音信号解析、数据