机器学习基础

2017-06-25 20:53:07

一、机器学习的定义

Tom Mitchell:机器学习是对能通过经验自动改进的计算机算法的研究。机器学习可以彰显数据背后真正的含义。

二、机器学习的分类

（1）监督学习 supervised learning

所谓监督学习，就是指在学习过程中会有一组标准答案提供，监督学习从给定的训练集中学习出一个函数当新的数据到来时，便可以根据这个函数给出预测。

监督学习有两种目标变量，一种是连续型的数值型变量，一般这种目标函数适合用回归分析；另一种是离散型的标称型变量，诸如{爬行类，鱼类，两栖类}，这种类型适合运用分类算法。

（2）无监督学习 unsupervised learning

所谓无监督学习，就是指只给了数据而没有目标变量，所以这里需要研究的问题是“从数据X中能发现什么”，通过机器学习算法可以将一组数据进行聚类，可以将其中突出特征相同的进行相似形聚团。

（3）强化学习 reinforcement learning

强化学习的关键是去定义什么是一个好的行为，什么是一个坏的行为，之后利用回报函数（reward function）来获得更多的奖励和更少的惩罚。

转载于:https://www.cnblogs.com/hyserendipity/p/7078296.html