机器学习-分类

1.监督学习，半监督学习，无监督学习，增强学习
1)监督学习

样本有标签，即样本有准确的答案
用监督学习对新的数据进行分类和回归

2)半监督学习

一部分数据有标签，一部分数据无标签
需要先用无监督学习对数据进行操作，然后再进行有监督学习

3)无监督学习

样本无标签
通常无监督学习可以进行聚类分析和（PCA）降维处理

4)增强学习

对每次分类结果进行评价，并反馈给模型，是模型进行调整
每次调整过后模型的能级都得到优化

2.批量学习（离线学习），在线学习
1)批量学习

用已知的大批量数据进行模型的训练
训练好模型后直接用于工程应用，后面不读模型进行改变

2)在线学习

数据实时更新后会参与模型的重新训练
模型重新学习后对已有的模型进行更新

3.参数学习，非参数学习

1)参数学习

假设模型方程f（x）=ax+b，根据已有数据集求参数b；
求出参数b后，数据集就没什么用了

2)非参数学习

不对模型进行方程的假设；
还是有参数的，而不是一个参数都没有