?機器學習算法分類

根據(jù)數(shù)據(jù)集組成不同，可以把機器學習算法分為：

一、監(jiān)督學習

定義：輸入數(shù)據(jù)是由輸入特征值和目標值所組成。

函數(shù)的輸出可以是一個連續(xù)的值(稱為回歸），或是輸出是有限個離散值（稱作分類）。

【資料圖】

1、回歸問題

例如：預測房價，根據(jù)樣本集擬合出一條連續(xù)曲線。

?

2、分類問題

例如：根據(jù)腫瘤特征判斷良性還是惡性，得到的是結果是“良性”或者“惡性”，是離散的。

二、無監(jiān)督學習

定義：輸入數(shù)據(jù)是由輸入特征值組成，沒有目標值。

有監(jiān)督，無監(jiān)督算法對比：

?

三、半監(jiān)督學習

定義：訓練集同時包含有標記樣本數(shù)據(jù)和未標記樣本數(shù)據(jù)。

監(jiān)督學習訓練方式：

半監(jiān)督學習訓練方式：

四、強化學習

定義：實質是make decisions 問題，即自動進行決策，并且可以做連續(xù)決策。

舉例：

小孩想要走路，但在這之前，他需要先站起來，站起來之后還要保持平衡，接下來還要先邁出一條腿，是左腿還是右腿，邁出一步后還要邁出下一步。

小孩就是 agent，他試圖通過采取行動（即行走）來操縱環(huán)境（行走的表面），并且從一個狀態(tài)轉變到另一個狀態(tài)（即他走的每一步），當他完成任務的子任務（即走了幾步）時，孩子得到獎勵（給巧克力吃），并且當他不能走路時，就不會給巧克力。

主要包含五個元素：agent, action, reward, environment, observation；

?

強化學習的目標就是獲得最多的累計獎勵。

監(jiān)督學習和強化學習的對比

?

關鍵詞： 監(jiān)督學習 無監(jiān)督學習 編程算法 強化學習 機器學習