1、机器学习算法分类监督学习：给出数据和标签进行训练，然后使用训练好的数据进行预测，分类等。监督学习中最常见的是两种问题，一种称为回归问题（线性回归和非线性回归），另一种称为分类问题，包含两类的分类问题，多个类的分类问题。非监督学习：只给出数据，没有标签，让机器自己理解和分类。常见问题是聚类算法（K means clustering），图像的压缩（降维算法），PCA，Autoencoder...
监督学习：给出数据和标签进行训练，然后使用训练好的数据进行预测，分类等。监督学习中最常见的是两种问题，一种称为回归问题（线性回归和非线性回归），另一种称为分类问题，包含两类的分类问题，多个类的分类问题。
非监督学习：只给出数据，没有标签，让机器自己理解和分类。常见问题是聚类算法（K means clustering），图像的压缩（降维算法），PCA，Autoencoder等
半监督学习：结合监督学习和非监督学习
强化学习：把机器放入到一个陌生的环境，让其自己决策，然后给其决策进行打分，最后让机器朝着高分去走。
遗传算法：采用适者生存的思路，每次都保留最牛逼的那个结果。
每个小模块都能引申出很多算法。
聚类算法：自动根据特征来分类
降低维度：特征选择，数据压缩，数据可视化
PCA算法：主成分分析，下面是PCA的基本算法
1322
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
