机器学习主要分类

机器学习主要分类

• 有监督学习：提供数据并提供数据对应结果的机器学习过程。
• 无监督学习：提供数据并且不提供数据对应结果的机器学习过程。
• 强化学习：通过与环境交互并获取延迟返回进而改进行为的学习过程。

1.无监督学习

• 无监督聚类应用的一个例子就是在谷歌新闻中。
• 谷歌新闻每天都会收集很多新闻内容。它将这些新闻分组，组成有关联的新闻，然后按主题显示给用户
• 谷歌新闻做的就是搜索新闻事件，自动地把它们聚类到一起；这些新闻事件全是同一主题的

2.监督学习

• 监督学习（Supervised Learning）算法构建了包含输入和所需输出的一组数据的数学模型。这些数据称为训练数据，由一组训练样本组成。
• 监督学习主要包括分类和回归。
• 当输出被限制为有限的一组值（离散数值）时使用分类算法；当输出可以具有范围内的任何数值（连续数值）时使用回归算法。
• 相似度学习是和回归和分类都密切相关的一类监督机器学习，它的目标是使用相似性函数从样本中学习，这个函数可以度量两个对象之间的相似度或关联度。它在排名、推荐系统、视觉识别跟踪、人脸识别等方面有很好的应用场景。

3.机器学习