零基础机器学习(2)之机器学习的类型

一、按学习类型分类

从学习过程来看，机器学习可分为监督学习（supervised learning）、无监督学习（unsupervised learning）、半监督学习（semi-supervised learning）、强化学习（reinforcement learning）和深度学习（deep learning）。

1.监督学习

监督学习是从带有类别标签（label）的训练数据中学得一个模型，并基于此模型预测新样本标签的一种学习方式，是机器学习中使用最广泛的一种类型。

2.无监督学习

无监督学习是机器学习的另一大类学习方法，是在无标签的训练样本中发现数据规律的一种学习方式。

3.半监督学习

半监督学习是监督学习与无监督学习结合在一起的一种学习方法。

半监督学习方法训练模型时，可以先利用有标签的样本训练出一个模型，用这个模型去预测新的数据，然后询问专家，再将这个样本变为有标签样本；把这个新获得的有标签的样本加入训练集后重新训练一个模型，再去预测，依次重复，若每次都能预测出对改善模型性能帮助较大的数据，则只需询问专家较少的次数就能构建出较强的模型，从而大幅度降低标记成本。

4.强化学习

强化学习它能根据环境的改变而改变，从而获取最大的收益。

5.深度学习

深度学习的概念来源于对人工神