机器学习算法分类

根据数据集不同，可以吧机器学习算法分为：

监督学习

无监督学习

半监督学习

强化学习

---

1、监督学习
●定义:
输入数据是由输入特征值和目标值所组成。
■函数的输出可以是一个连续的值(称为回归),
■或是输出是有限个离散值(称作分类)
 

 

 2、无监督学习
●定义:
    输入数据是由输入特征值组成。
    输入数据没有被标记，也没有确定的结果。样本数据类别未知，需要根据样本间的相似性对样本集进行分类(聚类, clustering) 试图使类内差距最小化,类间差距最大化。

3、半监督学习.
半监督学习:即训练集同时包含有标记样本数据和未标记样本数据。

 4、强化学习
    强化学习:实质是，make decisions问题，即自动进行决策，并且可以做连续决策。
    举例:
    小孩想要走路，但在这之前，他需要先站起来，站起来之后还要保持平衡，接下来还要先迈出一条腿，是左腿还是右腿，迈出一步后还要迈出下一步。
    小孩就是agent,他试图通过采取行动(即行走)来操纵环境(行走的表面)，并且从一个状态转变到另-个状态(即他走的每- -步)，当他完成任务的子任务(即走了几步)时，孩子得到奖励(给巧克力吃)，并且当他不能走路时，就不会给巧克力。
     主要包含四个元素: agent, 环境状态，行动，奖励;

 上一步数据的输出是下一步数据的输入