机器学习的基本方法

有监督学习

数据集中的样本带有标签，有明确目标，
目标：找到样本到标签的最佳映射
典型方法：
●回归模型：典型的有监督学习任务，样本的标签为连续型，如收入、销量等。有线性回归、岭回归、LASSQ和回归样条等
●分类模型：典型的有监督学习任务，样本的标签为离散型。包括二分类和多分类问题。有逻辑回归、K近邻、决策树、支持向量机等

无监督学习

数据集中的样本没有标签，没有明确目标，根据数据本身分布的特点，挖掘反映数据的内在特性。如聚类、降维、排序、密度估计、关联规则挖掘

强化学习

智慧决策的过程，通过过程模拟和观察来不断学习、提高决策能力，如AlphaGo