机器学习算法分类

本文介绍了机器学习算法的分类,包括按照学习方式和学习任务的划分,并着重阐述了输出变量类型的离散型和连续型数据在监督学习和非监督学习中的应用。通过实例展示了分类问题(如图像识别、文本分类)和回归问题(如房价预测)在实际领域的应用。
摘要由CSDN通过智能技术生成

机器学习算法分类

机器学习(Machine Learning)是人工智能(AI)重要的一部分,是实现人工智能的一个途径。机器学习包含不同种类的算法,而为了解决不同类型的问题,机器学习算法可以分为特定的种类,我们要使用最适合的算法来解决它最擅长的问题。

1. 按照学习方式可以分为如下四类

学习方式 描述
监督学习(Supervised Learning) 可以由输入数据中学到或建立一个新模型,并依此模式推测新的结果,输入数据包含特征值和目标值
非监督学习(Unsupervised Learning) 可以由输入数据中学到或建立一个模型,并依此模式推测新的结果,输入数据由特征值组成
半监督学习(Semi-supervised Learning 介于监督学习和非监督学习之间
增强学习(Reinforcement Learning 智能体(Agent)以“试错”的方式进行学习,通过与环境进行交互获得的奖赏指导行为,目标是使智能体获得最大的奖赏(马尔可夫决策模型等)

2.按照学习任务主要可以分成如下三类

学习任务 描述
分类(Classification
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值