有监督学习:KNN、逻辑回归、线性回归、随机森林、朴素贝叶斯、SVM(向量机)、决策树、人工神经网络、Adaboost
无监督学习:层次聚类、PCA、K-MEANS、AP聚类、DBSCAN、EM算法
强化学习:Q_leaning算法、TD算法
一、分类问题(Classification):
有监督学习,对带有标签的训练数据进行学习,标签为离散数据,预测结果也为离散
二、回归问题(Regression):
有监督学习,标签为连续数据,预测结果为连续数据
三、聚类(Clustering)
无监督学习,划分出离散标签
四、时序分析
无参与有参:
参数(parameter)分类:超参、自身参数
超参:需要提前人为去指定,无法使用模型训练得到,如kNN中的k
自身参数:模型自身的参数,需要通过模型训练得到的
无参/有参模型所指的参数为自身参数,即是否有需要学习的参数