(传统)机器学习
传统机器学习主要有分类(Classification)、回归(Regression)、聚类(Clustering)、降维(Dimensionality Reduction)、决策树(Decision Tree)、集成学习()、强化学习()等多种分类。
1.分类。属于标签为离散值的监督类学习。生成的模型需要根据输入参数打出一个离散型数值(预测类别)。 常见的如,KNN、决策树、逻辑回归。
2.回归。属于标签为连续值的监督类学习。生成的模型需要根据输入参数打出一个连续型数值(预测数值)。常见的如,线性回归、非线形回归、岭回归、支持向量回归。
3.聚类。属于无监督学习。需要根据样本参数按照一定规则划分聚簇,将数据分成不同组别。常见的如,K-Means。
4.降维。属于无监督学习。需要根据样本参数进行矩阵相关运算,将样本参数中较高维度的特征转化为低维度,同时尽可能保留样本中的信息。(可作为聚类的前置步骤)追求用更简洁的方式表现数据。