[机器学习笔记] 机器学习的类型有哪些？

参考：http://blog.csdn.net/by4_Luminous/article/details/53341334

1. 监督学习
训练数据中，每个样本都带有正确答案。
个人理解，这种方式有正确答案的监督或者说参照，所以称为监督学习。就好像老师提供对错指示、告知最终答案的学习过程。
学习器从训练数据中学到正确答案的决策函数 y=f(x) 用于新的数据预测。
典型任务：预测数值型数据的回归、预测分类标签的分类、预测顺序的排列
应用：手写文字识别、声音处理、图像处理、垃圾邮件分类与拦截、网页检索、基因诊断、股票预测等。

2. 无监督学习
训练数据中，每个样本都没有正确答案。
学习器自己在训练数据中找规律。就像在没有老师的情况下，学生自学的过程。 所以称为无监督学习。
典型任务：聚类（相似点）、异常检测（异常点）。
应用：人造卫星故障诊断、视频分析、社交网站解析、声音信号解析、数据可视化、监督学习的前处理工具等。

3. 半监督学习
训练数据中，少部分样本有正确答案。
学习器使用大量的没有正确答案的数据，以及同时使用有正确答案的数据，来进行模式识别工作。在有正确答案的样本帮助下，获得比只用无正确答案的样本得到的结果更好的学习效果，提高学习器的精度。是无监督学习和监督学习的结合，所以称为半监督学习。
典型任务：半监督分类，半监督回归，半监督聚类，半监督降维

4. 强化学习
百度百科： https://baike.baidu.com/item/强化学习/2971075?fr=aladdin
强化学习把学习看作试探评价过程，Agent选择一个动作用于环境，环境接受该动作后状态发生变化，同时产生一个强化信号(奖或惩)反馈给Agent，Agent根据强化信号和环境当前状态再选择下一个动作，选择的原则是使受到正强化(奖)的概率增大。选择的动作不仅影响立即强化值，而且影响环境下一时刻的状态及最终的强化值。

典型任务：回归、分类、聚类、降维。
应用：机器人的自动控制、计算机游戏中的人工智能、市场战略的最优化等。