机器学习问题分类--机器学习基石笔记

    机器学习问题根据不同的角度可以分成不同的类型，以下是课程中提到的类型划分，这对机器学习方向的整体把握和具体问题定位非常有帮助。

    1、根据不同的结果输出空间（Out Space），可以将机器学习问题分为：

• 二分类（binary Classification）问题
• 多分类（Multiclass Classification）问题
• 回归分析问题（regression）
• 结构学习问题：序列标记（Sequence Tagging）问题
• 其他更复杂的问题

   2、数据标签（Label）的不同可以将机器学习问题划分为：

• 监督学习（Supervised）--分类（Classification）
• 无监督学习（Unsupervised）--聚类（clustering）
• 半监督学习（Semi-Supervised）
• 增强学习（Reinforcement Learning）--一种”困难“但是非常自然的方式进行学习
• 其他

    3、不同协议（Protocol）区分机器学习类型：

• 批量（batch）学习--”填鸭式“（duck feeding）
• 线上（online）学习--”循序渐进式“（passive sequential）
• 主动（active）学习--”提问式“（question asking）
• 其他

    4、根据不同的数据输入空间区分机器学习类型：

• 具体特征（Conctrete Feature）
• 原始特征（Raw Features）
• 抽象特征（Abstract Feature）
• other