- 什么时候机器可以学习
- 事物存在某种潜在规律
- 某些问题难以使用普通编程解决
- 有大量数据可供使用
- 机器学习算法类型
-
按输入空间划分
Concrete Features(具体的特征,比如房屋价格、面积等)
Raw Features(抽象的特征,比如图像的像素)
Abstract Features(更抽象的特征,类似标志符,加密处理) -
按输出空间划分
分类问题
回归问题
结构化学习 -
按不同协议划分
Batch Learning (将所有数据同时训练)
Online Learning(数据一个一个进入,不断更新)
Active Learning(系统主动提问与学习) -
按样本标签划分
监督式学习,其中又分为“分类”和“回归”两大类,分类包含K-邻近、Logistic回归、决策树、SVM、朴素贝叶斯、AdaBoost等;回归包含线性回归、树回归等
半监督式学习,如K-均值聚类
非监督式学习