机器学习
目的:为了让计算机像人一样进行对自己的行为方式进行改进和优化。
原理:人和计算机都是信息传递,储存和处理的系统。
实现机器学习的方法在程序中叫做算法,以下是机器学习常用的学习方法。
监督学习
给计算机提供样本以及样本对应的特征信息,在大量的训练中让机器能够根据样本的特征信息将样本分类。(有数据有标签)
非监督学习
给计算机提供样本但是不提供样本对应的特征信息,在大量的训练中让机器能够自主对样本进行特征信息提取后将样本分类。(有数据无标签)
半监督学习
给计算机提供样本和部分样本特征信息,在大量训练中让机器能够对所提供样本进行分类。(有部分数据和部分标签)
强化学习
不给计算机提供任何的信息与方法,只告诉计算机达成目标,让计算机在大量的尝试中尝试出可行的方法,并进行总结,对自己的行为准则进行调整和优化,总结出能够完成目标的行为。(在经验中总结提升)
遗传算法
基于生物学科中的遗传学知识,在随机不同代的解决问题的方法,在繁衍和变异中逐渐优化并且筛选出最优的解决方法。(淘汰机制)