Supervised learning、Unsupervised learning and Semi-Supervised learning (总结)

有监督学习和无监督学习

有监督学习：就是每次迭代开始前都有人为操控，比如限制条件或者数据处理

无监督学习： 给个迭代方程，然后，让它自己运行

分类与聚类，监督学习与无监督学习

    在讲具体的分类和聚类算法之前，有必要讲一下什么是分类，什么是聚类，以及都包含哪些具体算法或问题。

• Classification (分类)，对于一个 classifier ，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个 classifier 会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做 supervised learning (监督学习)，
• 而Clustering(聚类)，简单地说就是把相似的东西分到一组，聚类的时候，我们并不关心某一类是什么，我们需要实现的目标只是把相似的东西聚到一起，因此，一个聚类算法通常只需要知道如何计算相似 度就可以开始工作了，因此 clustering 通常并不需要使用训练数据进行学习，这在 Machine Learning 中被称作 unsupervised learning (无监督学习).
• 
  

半监督学习：

它主要考虑如何利用少量的标注样本和大量的未标注样本进行训练和分类的问题。

半监督学习算法分类:

1.      self-training(自训练算法)

2.      generative models生成模型

3.      SVMs半监督支持向量机

4.      graph-basedmethods图论方法

5.      multiview learing多视角算法

6.      其他方法

http://blog.csdn.net/yhdzw/article/details/22733371