机器学习综述论文笔记：Machine Learning: A Review of Learning Types

机器学习review

Paper：Machine Learning: A Review of Learning Types
这是一篇关于机器学习的综述，里面简述了各种现有的机器学习技术。

1 主要的方法：监督、无监督、强化

1.1 监督学习

数据格式：特征 + 标签
学习目标：到从输入到输出的映射函数
根据输出变量划分，监督学习又可以分为分类和回归
分类：输出结果是离散的、可列的，如水果种类、手写字体识别。
回归：输出结果是连续的，如价格、温度-气压曲线

1.2 无监督学习

数据格式：特征
目标：尝试根据输入的数据建立模型，发现数据的潜在特性
无监督的代表是聚类——一种挖掘数据内部结构的技术。

举个栗子：我有10个样本，要把它们分成A、B、C共3类（集群）；
如下图，每个类内部的样本其相似性较大，类之间相似性较小。
相似性度量可用空间距离、欧氏距离，度量方法不同会产生不同的聚类结果。