机器学习-学习笔记1-机器学习概念等

机器学习的分类

1 监督学习

1.1有监督学习：

给出数据和标签（标签就是数据所属的类）

1.1.1分类

监督学习分为分类和回归
分类：所有的标签是离散的值

1.1.2回归

回归：所有的标签是连续的值

比如人脸识别，判断两个人是不是同一个人，只有两个标签，一个值是同一个人、一个值不是同一个人
计算机里用数值表示这两个值，用1表示是同一个人，0表示不是同一个人，标签不固定，也可以去1，-1，1,2，标签是离散的

给你一张图片，让你判断这张图片是数据库中的哪一个人，给数据库中的人编号，那么判断结果数据输出也只是一个离散的数值

比如预测年龄，是可以精确到小数点后2位的，是一个连续的值，年龄的估计是回归的问题，但是如果只预测整数，那就是分类（0-100这101个类）问题，不是回归。还有预测股票走势也是回归问题

分类和回归没有特别明确的概念和界线，所以很多分类的算法也可以用来做回归

1.2无监督学习：

只有数据，没有标签

1.3半监督学习：

一些数据有标签，一些数据没有标签

2 强化学习：

比如无人驾驶，学习的内容不是这一步走的对不对，而是关心从一个地方到另一个地方的多种路径选择，没有对与不对，总体目标是在不违规的情况下，从一个地方到另一个地方。以及计算机下棋，只关心最后的输赢，每一步的走法都不一样。强化学习不预测标签，预测最后的结果