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。