玻尔兹曼机

受限玻尔兹曼机（RBM）是一种用于降维、分类、回归、特征学习、协同滤波、主题建模的算法。
注释：1.在机器学习和统计学习领域，降维是指在某些特定条件下，降低随机变量的个数，得到一组不相关主变量的过程。降维可分为特征选择和特征提取两大方法：特征选择假定数据中包含大量冗余或者无关变量（或称特征、属性、指标等），旨在从原有变量找出主要变量。代表方法LASSO。特征提取是将高位数据转化为低维数据的过程，在此过程中可能舍弃原有数据、创造新的变量，代表方法主成分分析PCA.。
2.李航《统计学习方法》的解释为：输入变量与输出变量均为连续变量的预测问题是回归问题，输出变量为有限个离散变量的预测问题为分类问题。回归问题举例/：假定我们现有一大批数据，包含房屋的面积和对应面积的房价信息，如果我们能得到房屋面积和房屋价格之间的关系，那么给定一个房屋时，我们只要知道其面积，就可以大致推测出其价格了。