机器学习概述1

(1)

 

 

 

 

 

 (2)

 

 

 

 

 

 

 

 (3)

按照学习形式将机器学习划分为监督学习、无监督学习、半监督学习、强化学习、深度学习

监督学习（Supervised Learning）表示机器学习的数据是带标记的，这些标记可以包括数据类别、数据属性及特征点位置等。这些标记作为预期效果，不断修正机器的预测结果。

无监督学习（Unsupervised Learning）表示机器学习的数据是没有标记的。机器从无标记的数据中探索并推断出潜在的联系。

强化学习（Reinforcement Learning）是带有激励机制的，具体来说，如果机器行动正确，将施予一定的“正激励”；如果行动错误，同样会给出一个惩罚（也可称为“负激励”）。因此在这种情况下，机器将会考虑如何在一个环境中行动才能达到激励的最大化，具有一定的动态规划思想。

深度学习就是一种实现这种机器学习的优秀技术。深度学习本身是神经网络算法的衍生。