【机器学习入门】3、其他学习分类

批量学习（离线学习）：
如果未加特殊说明都可以用批量学习，批量学习就是，训练好一个模型投入生产环境后，不再用样本进行优化。
有点：简单

缺点：每次重新批量学习，运算量巨大，在某些快速变化的环境中是不适应的

在线学习：
与批量学习差别在于，不浪费样例，不断进行优化；也适用于数据量巨大，完全无法批量学习的环境。

优点：及时反映新的变化环境
缺点：新的数据带来不好的变化，需要加强对数据的监控

参数学习：
用数据训练算法获取想要的参数，拥有参数后，就不再需要原数据集

非参数学习：
不对模型进行过多的假设，原数据集依旧有用。
PS：非参数学习不代表没参数。

题外话：

怎么选择机器学习算法？
1、奥卡姆的剃刀：简单就是好的
2、没有免费的午餐：任意两个算法，他们的期望性能是相同的，即所有的算法都一样好，只有具体到某个特定的问题才能进行选择算法