机器学习学习-Types of learning

Types of learning

基于个人理解。于我们在面对一个详细的问题时。可以依据要达到的目标选择合适的机器学习算法来得到想要的结果。比方，推断一封电子邮件是否是垃圾邮件，就要使用分类(classification)，那要达到分类的效果就要使机器学会怎么样去分类。这就是学习的过程。在学习的过程在又分为四大类：

1)监督学习    (supervised learning)

2)无监督学习(unsupervised learning)

3)半监督学习(semi-supervised learning)

4)增强学习   (reinforcement learning)

以下就是对4种学习进行概念上的区分：

1)监督学习：就是对于训练数据集中的每个输入样本 

latex=\dpi{300}&space;^{x_{n}}" target="_blank">。都有一个label 

                                   比如给定一个包括1000封邮件的训练数据集，对于一封邮件都有一个相应的y={-1,1}

                     ---分类问题，分成指定的多少类

                     ---回归问题，得到一个详细的值

2)无监督学习：对于输入的训练数据，没有对其的类别进行标记。非经常见的是聚类问题，

                         如果数据是新闻报道，那么能够依据各篇报道中的keyword将其分成为体育类，財经类等

                         

3)半监督学习：训练的数据是标记的和未标记的混合。为什么不都进行标记呢？在实际的问题中输入数据的数目过于

                         庞大。假设都进行人工标记的话。工作量将是巨大的。以下是一张图来表示这三种学习方式的不同

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvanhsaWp1bmhhbw==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" alt="">

4)增强学习： 输入数据能够刺激模型做出反馈，反馈不仅从监督学习过程中得到，还从环境中奖励或惩处中得到。

                       关于增强学习能够參考这篇

                      

版权声明：本文博客原创文章，博客，未经同意，不得转载。