机器学习笔记2_机器学习的分类

机器学习分类

按机器学习本身分类，而可分为：

• 监督学习
• 非监督学习
• 半监督学习
• 加强学习

监督学习

给机器的训练数据拥有“标记”或者说是“答案”。
主要是回归和分类问题，本课程以下算法为监督学习：

• K临近
• 线性回归和多项式回归
• 逻辑回归
• SVM
• 决策数和随机森林

非监督学习

对没有标记的数据进行分类–聚类分析
可以对数据进行降维处理和异常监测（作用）。

半监督学习

一部分数据有标记，一部分数据没有标记
通常都会先使用无监督学习手段对数据做处理，之后使用监督学习的手段做模型的处理和预测。

增强学习

agent会根据环境的反馈（奖赏或者惩罚)自己，如无人驾驶和机器人

---

其他分类

分类1：

• 批量学习
• 在线学习

批量学习（batch）和在线学习（online）

批量（离线）学习模型一旦建好，新的样本不会加入数据集改造模型。
在线学习会把新的样本加入数据集，但要加强对数据的监控，防止有害数据。
分类2：

• 参数学习
• 非参数学习

参数学习和非参数学习

参数学习：
会构建类似f(x) = ax+b 的数学模型，学习a,b参数
非参数学习：
不会构建数学模型，但非参数学习并不是没有参数。

---

[学习资料来源]（https://www.bilibili.com/video/av74542270?p=7）