机器学习方法的分类

一.监督学习

百度百科定义：利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。提供给学习器的训练数据既有特征又有标记。例如你喂给学习器多张图片，每张图片都带有标签(cat,dog,rabbit…)，然后机器就可以根据这些特征和带有的标签来学习。以后再给它一张新的图片，它就能自动识别出这张图片中的动物。

二.无监督学习

通俗理解就是提供给学习器的训练数据只有特征，不带标签。用上面的例子，这时的图片就不带标签了，这要求学习器学习后能自动分类。以后再给它一张新的图片，它就能将这张图片归为某一类。

三.半监督学习

半监督学习属于监督学习和无监督学习之间。训练数据包括没有标签的数据以及少量带标签的数据。给所有训练数据打标签可能需要比较大的代价，将未标记数据与少量标记数据结合使用可以显着提高学习准确性。

四.强化学习

强化学习使用的训练数据也是未带标签的数据。强化学习中使用的是一种反馈机制，即通过一些方法知道你是离正确答案越来越近还是越来越远（奖惩函数）。