机器学习的其他分类

批量学习

机器学习的其他分类_第1张图片
批量学习就是通过大量的学习资料,让机器建立模型。
优点:简单。
问题:如何适应环境变化。就比如垃圾邮件识别系统,他每年可能都会产生改变,而以前的学习资料可能就无法满足识别现在的垃圾邮件。
解决方案:定时重新批量学习。
缺点:每次重新批量学习,运算量巨大。在某些环境变化非常快的情况,甚至不可能。比如股市,每分没秒都在变化。

在线学习

机器学习的其他分类_第2张图片
与批量学习大致相同,唯一不同的是会将输入样例当作结果输出。就比如股票这种每分每秒都在变化,输入的样例就是这一时刻的结果。
优点:及时反映新的环境变化。
问题:新的数据带来不好的变化。有时候会因为环境等因素,数据发生改变,成为错误的数据,这样就会使我们的机器产生不准确的结果。
解决方法:需求加强对数据进行监控。
其他:也适用于数据量巨大,完全无法批量学习的环境。

参数学习

通过数据建立方程,如y=ax+b,当我们确定a和b之后,再来一个数据我们不需要通过原有数据就可以确定y。
机器学习的其他分类_第3张图片
特点:一旦学到了参数,就不再需要原有的数据集。

非参数学习

不对模型进行过多假设。
:非参数不等于没参数。

你可能感兴趣的:(机器学习,机器学习)