模型分类
数据标记
监督学习模型(有标记)
监督学习从数据中学习标记分界面,适用于预测数据标记
无监督学习模型(无标记)
从数据中学习模式,适用于描述数据
半监督学习模型
监督学习和无监督学习的混合,部分数据标记已知,部分数据标记未知。
由于标记样本昂贵,无标记样本廉价,因此使用半监督学习,通过标记样本和无标记样本的分布,根据聚类假设,来推断出新数据的类别
强化学习模型
使用未标记数据,通过奖励机制来得知距离目标远/近
数据分布
参数模型
对数据分布进行假设,待求解的数据模式可以用一组有限且固定数目的参数进行刻画
非参数模型
不对数据分布进行假设,数据的统计特性来自数据本身。非参≠无参
建模对象
生成模型
对输入X和输出Y的联合分布P(X,Y)建模,然后用贝叶斯公式求P(Y|X)
判别模型
对已知输入X条件下输出Y的条件分布P(Y|X)建模,输入X直接输出最可能的Y