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。