机器学习-分类、回归、聚类、时序分析

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