人工智能学习笔记()

一、有监督学习和无监督学习
有监督学习就是训练用历史数据是既有问题又有答案,而无监督学习就是训练用历史数据是只有问题没有答案。 正式的说法一般是把答案称之为标签label 还有一种介于两者之间的混合学习方法,称为半监督学习 。
在无监督学习中,主要是发现数据中未知的结构或者是趋势。虽然原数据不含任何的标签,但我们希望可以对数据进行整合(分组或者聚类),或是简化数据(降维、移除不必要的变量或者检测异常值)。
因此无监督算法主要的分类包含:
- -聚类算法 (代表:K均值聚类,系统聚类)
- - 降维算法 (代表:主成份分析PCA,线性判断分析LDA) 有监督学习,可以根据预测变量的类型再细分。如果预测变量是连续的,那这就属于回归问题。而如果预测变量是独立类别(定性或是定类的离散值),那这就属于分类问题了。
因此有监督学习主要的分类包含:
- 回归算法 (线性回归,最小二乘回归,LOESS局部回归,神经网路,深度学习)
- - 分类算法(决策树,支持向量机,贝叶斯,K-近邻算法,逻辑回归,随机森林)
二、在这里插入图片描述在这里插入图片描述

阅读更多

没有更多推荐了,返回首页