Types of Learning
Learning with Different Output Space
- 二元分类:输出结果只有两个(是非题)
- 多元分类:输出的结果数量有 K K K个(单选题)
- 回归:输出一个实值结果
- 结构化学习:输入到一个结构化结果(一个分类标签序列),可以视为“没有显式类别定义的多标签分类问题”
Learning with Different Data Label
- 监督式学习:每一个样本 x n \bold{x}_n xn都有其对应的标签 y n y_n yn
- 无监督式学习:样本没有对应的标签,通过聚类完成分类
- 聚类
- 密度估计
- 离群值估计
- 半监督学习:只有部分样本有其对应的标签(标签获取代价很大的情形)
- 强化学习:系统由输入得到输出,根据输出的好坏提供奖励以实现训练
Learning with Different Protocol
- 批:送入系统演算法并产生一个目标 g g g的一组数据
- 线上学习:样本逐个地喂入系统,不断地预测和更新(PLA,强化学习)
- 成批学习和线上学习中,系统都是被动学习
- 主动学习:机器采取问问题的方式,从样本中(有策略地)跳出一些或一个,并向训练者求证结果
Learning with Different Input Space
- 具体特征:输入 X ∈ R d \mathcal{X} \in \mathbb{R}^d X∈Rd的每一维都有明确的物理定义
- 原始特征:基础输入,具有十分简单的实际意义,可能需要人来对原始特征进行转换,以得到具体特征(学习难度通常会更高)
- 抽象特征:每一个维度信息没有任何的实际意义,需要特征转化