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。