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