半监督学习1

半监督学习

监督学习Supervised Learning（有数据集有标签）

数据集 -> 训练 -> 验证 -> 模型投入使用

无监督学习Unsupervised Learning（有数据集无标签）

尝试寻找数据中的模式 如：聚类（组织成群）、异常检测（查找异常值）

无监督学习技术：

• 自编码 Auto encoding
• 主成分分析 Principle Components Analysis
• 随机森林 Random forests
• K均值聚类 K-means clustering
• 生成对抗网络 Generative Adversarial Networks（生成器+鉴别器）

强化学习(RL)Reinforcement Learning（无标签 奖惩机制）

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，最大化长期未来奖励，寻找最大的回报。

强化学习方法可以是在线学习思想的一种实现，但是在线学习的数据流一定是增加的，而强化学习的数据可以做减少（先收集，更新时按丢掉差数据的方向）。而且在线学习对于获得的数据是用完就丢，强化学习是存起来一起作为既往的经验。