机器学习分类

机器学习定义关键词：非显著式编程。
分类：
按任务性质分类：
监督学习：人为输入经验E（标签）
强化学习：计算机通过与环境互动，逐渐强化自己的行为模式。
这样的分类并不绝对，实际往往是两者结合，先用监督学习获得一个还不错的训练模型，然后通过强化学习强化行为，提高收益。
监督学习分类方法1：
根据数据标签，监督学习又可分为：
1）传统监督学习
特点：每个数据都有标签。
主要算法：支持向量机，人工神经网络，深度神经网络。
2）非监督学习
特点：所有数据都没有标签
例子：
主要算法：聚类，EM算法，主成分分析
3）半监督学习（近年热点）
特点：一部分数据有标签，一部分数据没有标签
用少量标准的数据和大量未标注数据训练一个优良的机器学习模型
监督学习分类方法2：
按标签是离散还是连续，分为：
1）分类；
2）回归。