机器学习之机器学习的四个标签

---

文章代码来源：《deep learning on keras》，非常好的一本书，大家如果英语好，推荐直接阅读该书，如果时间不够，可以看看此系列文章。

---

通过之前的学习，大家知道机器学习中的核心问题为过拟合。
学完这一章，大家能够收获：

• 其它版本的一些机器学习，除了回归和分类问题。
• 机器学习模型的正式评价程序，你们在之前已经看到了其简单的版本
• 如何为机器学习备好数据，什么是“特征工程”
• 学习解决过拟合问题，我们在之前的几个例子里面也看到了这个过拟合现象。

机器学习的四个标签

通过刚刚三种问题，你应该已经熟悉了三种特别的机器学习问题：二分类、多分类、回归问题。
然而这些问题都属于监督学习的范畴，在机器学习领域监督学习只是其冰山一角，我们将机器学习通常分为四类：

• 监督学习，近期图像识别，语音识别等都聚焦于此。
• 无监督学习，即不需要任何标签，可以用来数据可视化、数据压缩、数据去噪或是简单的更好理解手头数据的表示，无监督学习是数据分析的“bread and butter”基础，这在监督学习之前使用是很有必要的。“维度下降”和“聚类”是熟知的无监督学习类型。
• 自监督学习&#