【机器学习入门】2、机器学习算法分类

机器学习算法主要分为以下四类：
监督学习、非监督学习、半监督学习和增强学习

监督学习

方法：分类任务、回归任务
给机器的训练数据拥有“标记”或者“答案”。常见的分类任务中，每个样本都有标记。
白话版解释：给人类已经分类好的数据进行机器训练。

PS:本系列内容主要研究监督学习。

非监督学习

给机器的训练数据没有“标记”或者“答案”，与监督学习概念相反。
方法：
1、对没有“标记”的数据进行分类，叫做聚类分析；比如电商网站中，对消费者的消费行为、偏好进行分类。
2、数据的降维处理：
（1）特征提取：去掉与目标问题不相关的样本特征。
（2）特征压缩：PCA算法，不去掉特征，将关联性较强的特征进行压缩
意义：方便可视化、异常检测

半监督学习

给机器的训练数据一部分没有“标记”或者“答案”，另一部分有。
产生原因：各种原因产生的标记缺失
方法：先用无监督学习进行数据处理，然后再用监督学习手段做模型的训练和预测。

增强学习

根据周围环境的情况，采取行动，根据采取行动的结果，学习行动方式。

适用于：机器人，如围棋机器人、美剧《西部世界》中的人工智能。属于强智能发展范畴。