机器学习:
机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
机器学习相关技术
监督学习
现有数据集有已知的标签,通过数据让机器拟合特征与标签之间的关系,在输入新特征时对新标签进行预测。
监督学习任务主要包含回归以及分类
回归:标签值为连续性数值型变量;分类:标签主要为类别型变量
无监督学习
现有数据集有已知的标签,通过数据让机器拟合样本特征间的关系,将样本分类,在输入新样本特征时为样本打上标签。
迁移学习
在其他数据集上拟合的结果转移到现有数据集上让机器继续学习,节省样本量。
强化学习
在行为或者动作上要对接下来发生的事情做出预测并学习相应的解决方法,通过对机器应对某种行为的解决方案进行打分,然后不断进行优化