机器学习——（1）

参考书籍

机器学习，周志华，清华大学出版社，2016
统计学习方法，李航，清华大学出版社，2012
Deep Learning ,I.Goodfellow,Y.Bengio and A.Courville,2016

课程推荐

Stanfrod Web course by Andrew Ng
Stanfrod Web course by Fei-fei Li

没有免费午餐定理（No Free Lunch Theorem）

如果我们不对特征空间有先验假设，则所有算法的平均表现是一样的。

1.监督学习（Supervised Learning）

1.1离散（Classification）

标签离散值

1.2回归（Regression）

标签连续值
SVM:支持向量机
NEURAL NETWORKS:神经网络
Deep Learning：深度学习

2.无监督学习(Unsupervised Learning)

CLUSTERING：聚内
EMALGORITHM
PCA

3.半监督学习（Semi-Supervised Learning）

一半数据有标签，一半数据没有标签，利用有标签和无标签结合起来训练
根据数据有无标签来区分是否是监督学习

4.强化学习（Reinforcement Learning）

前三类有训练目标，自动驾驶就是强化学习，不关心每一步对不对，而只关心最终的结果；
模拟下棋也属于强化学习，预测标签和预测结果之分；