conli的博客

一、概念分类：通过训练集训练出来一个模型，用于判断新输入数据的类型，而在训练的过程中，一定需要有标签的数据，即训练集本身就带有标签。简单来说，用已知的数据来对未知的数据进行划分。这是一种有监督学习。聚类：对于一组数据，你根本不知道数据之间的关系，不知道他们是否属于同一类，抑或属于不同类别，也不知道到底可以分为多少类。这个时候，我们就需要聚类算法来对数据进行一个关系分析，通过聚类，我们可以把...

一、概念集成学习（ensemble learning） 通过构建并结合多的学习器（个体学习器）来完成学习任务。依据学习器种类是否相同，可分为：同质集成以及异质集成。根据个体学习器的生成方式，集成学习可分为两大类：1.个体学习器之间存在强依赖关系，必须串行生成的序列化方法；2.体学习器之间不存在强依赖关系，可同时生成的并行化方法；二、相关算法1.强依赖关系的：Boosting...

一、概念强化学习（RL）是机器学习的一个领域，涉及软件代理应该如何在一个环境中采取行动，以最大化一些累积奖励的概念。由于其一般性，该问题在许多其他学科中进行了研究，例如博弈论，控制理论，运筹学，信息论，基于模拟的优化，多智能体系统，群体智能，统计学和遗传算法。在运筹学和控制文献中，强化学习被称为近似动态规划或神经动态规划。在最优控制理论中也研究了强化学习中存在的问题，其主要关注的是存在和表征。...

对于机器学习中的分类与回归问题，我总是有点迷糊，但是看了知乎大神们的解答，略有感触。具体链接请看：https://www.zhihu.com/question/21329754下面我简单总结一下分类与回归问题的区别吧：首先引用吴恩达大神的话，Andrew Ng的Machine Learning课程给出的定义：Supervised learning problems are c...