机器学习

常见的机器学习类型包括：
监督学习（Supervised Learning）是利用一组已知输入x和目标标签y 的 数据来学习模型的参数，使得模型预测的目标标签和真实标签尽可能的一 致。

无监督学习（Unsupervised Learning）是用来学习的数据不包含目标标签，需要学习算法自动学习到一些有价值的信息。典型的无监督学习问题有聚类（Clustering）、密度估计（density estimation）等。

强化学习（Reinforcement Learning）也叫增强学习，强调一种交互的学习方式。智能体根据环境的状态每做出一个动作，可以得到即时或延时的 奖励。做出一系列的动作。智能体需要在和环境的交互中不断学习调整策 略，以取得最大化的累积奖励。

线性回归主要有几种不同的回归方法，包括 Logistic回归， Softmax回归，感知器和支持向量机。