机器学习的常用方法

什么是机器学习
专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。

机器学习的常用方法
监督学习
非监督学习
半监督学习
强化学习
遗传算法

监督学习
有标签和数据的学习方法
先给计算机猫和狗的图片，然后告诉计算机通过猫和狗的不同特性（标签），怎么分辨猫和狗，让计算机学习这些标签方式去分辨，就是监督学习
非监督学习
无标签和无数据的学习方法
只给计算机提供猫和狗的图片，却不告诉计算机哪张图片是猫和狗，让计算机自己去分类和总结猫和狗的特性，然后让计算机自己去识别猫和狗，就叫非监督学习
半监督学习
就是监督和非监督学习的结合体，是利用少量标签或者大量没有标签的样本，就行分类和学习的方式
强化学习
把机器放到一个陌生或者从来没有接触到的领域去执行一项任务，机器人自己总结和摸索，直到完成任务
比如给机器人一个篮球，要它去投篮，主要投进了就加1分
机器会不断的总结投篮成功和失败的经验，最后达到成功率越来越高
googel的阿法狗就是这样的一种学习方式
遗传算法
模拟已经存在的理论，淘汰弱智，适者生存的方式，选择设计最优的设计框架，算法等
比如要机器人玩超级玛丽，玛丽一号很快就牺牲了，然后玛丽二号会继承玛丽一号的成功的经验继续闯关，后面会一直延续这种的方式只保留最强的玛丽N号