机器学习
某些程序编写起来极其复杂,比如手写体识别、自动驾驶技术等,采用机器学习的方法建立模型进行处理。
四大部分
1.监督学习(Supervised Learnig)
监督学习是指有确定结果的学习训练过程,如房价的分析与预测,样本中包括房价的影响因素及最终房价,或者对肿瘤判断样本中已经有了正确的判断结果。
主要方向 :回归(regression)与分类(classification)。
回归问题适用于结果为连续型的学习过程,如房价的预测分析。
分类问题适用于结果为离散类型的学习过程,如肿瘤的良性恶性判别等。
p.s.支持向量机模型(support vector machines)可以将数据(多维变量)映射到无限维向量中。
2. 学习理论(Learnig Theory)
机器学习模型等。
3. 无监督学习(Unsupervised Learnig)
无监督模型区别于监督学习,训练样本并无准确结果,如声音提取,鸡尾酒派对问题等。
主要方向:聚类(clustering)。
聚类问题通过一系列因素分析,将样本分为两个或多个不同的类。
4. 强化学习(Reinforcement Learning)
多用于解决机器人问题,多用回归函数(reward function)。