机器学习-分类

机器学习

机器学习作为人工智能的子集，作为深度学习的基础，在整个人工智能发展的过程中不可忽视，尤为重要，虽然在企业开发中不一定用得到，但是基础的原理就藏在这里

分类

• 监督学习

Supervised Learning： 已知数据输出（经过标注的）情况下对模型进行训练，根据输出进行调整、优化的学习方式称为有监督学习。这应当是应用最多的领域了，例如人脸识别，我提前先给你大量的图片，然后告诉你当中哪些包含了人脸，哪些不包含，你从我给的照片中总结出人脸的特征，这就是训练过程。最后我再提供一些从来没有见过的图片，如果算法训练得好的话，就能很好的区分一张图片中是否包含人脸。所以监督学习最大的特点就是有训练集，告诉模型什么是对的，什么是错的

• 无监督学习

Unsupervised Learning：没有已知输出的情况下，仅仅根据输入信息的相关性，进行类别的划分。例如网上购物的推荐系统，模型会对我的浏览记录进行分类，然后自动向我推荐相关的商品。非监督学习最大的特点就是没有一个标准答案，比如水杯既可以分类为日用品，也可以分类为礼品，都没有问题

• 半监督学习

Semi-supervised Learning：先通过无监督学习划分类别，再人工标记通过有监督学习方式来预测输出。例如先对相似的水果进行聚类，再识别是哪个类别

• 强化学习

Reinforcement Learning：通过对不同决策结果的奖励、惩罚，使机器学习系统在经过足够长时间的训练以后，越来越倾向于接近期望结果的输出。强化学习应当是机器学习当中最吸引人的一个部分了，例如 Gym 上就有很多训练电脑自己玩游戏最后拿高分的例子。强化学习主要就是通过试错 (Action)，找到能让自己收益最大的方法，这也是为什么很多都例子都是电脑玩游戏

读者如果发现错误，评论区指出，作者看到后会及时改正！谢谢！