版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/zgcr654321/article/details/82632991
机器学习的步骤：
Learning Map：
Supervised Learning：
Regression：
即回归，一种machine learning的task，意思是目标函数的输出是一个数值。
Classification：
即分类，也是一种machine learning的task，输出的是离散的值（二元的是输出YES/NO，多元的是输出class1，...，class N）。
classification下有不同的model，如linear model，Non-linear Model（如Deep learning，SVM，decision tree，K-NN等）。
regression和classification都属于Supervised Learning。
Supervised Learning需要有标签的训练数据。
Semi-supervised Learning：
Semi-supervised Learning是一种减少data用量的方向。
只需要少量有标签的数据和大量无标签的数据。
Transfer Learning：
少量有标签的数据和大量与任务无关的数据（可以是有标签的或无标签的）。
Unsupervised Learning：
给机器输入的全部是无标签的数据。机器自行学习（比如图片分类）。
Structured Learning：
机器输出的是一个有结构性的东西。（结构化输出）
regression和classification与structured learning的关系：
事实上regression和classification目前只解决了structured learning中的一小部分问题。
Reinforcement Learning：
Supervised Learning与Reinforcement Learning的区别：
前者给机器人data后直接告诉机器正确答案，后者给data后不会直接告诉机器正确答案，机器只知道目前做的好还是不好。