第十章《Opencv机器学习基础》

机器学习基础

机器学习是人工智能的一个分支，主要研究如何通过算法和统计模型使计算机系统从数据中学习，从而改善系统的性能。机器学习可以分为三大类：

1. 监督学习（Supervised Learning）：

   • 分类（Classification）：用于将数据点分到预定义的类别中。
   • 回归（Regression）：用于预测连续数值（例如房价预测、温度预测等）。

2. 无监督学习（Unsupervised Learning）：

   • 聚类（Clustering）：将数据分成若干簇（clusters），每个簇中的数据是相似的，但不同簇中的数据是不同的。

3. 强化学习（Reinforcement Learning）：

   • 主要用于智能体与环境互动，学习如何在给定环境中采取最佳行动。

1. 分类问题（Classification）

分类是监督学习的一种任务，目标是将输入的特征数据分到不同的类别中。常见的分类算法有：

• 支持向量机（SVM）
• K最近邻（KNN）
• 决策树