0. 概览
机器学习(Machine Learning)可以分为无监督学习(Unsupervised Learning)和监督学习(Supervised Learning)。二者的区别在于后者的输入数据带有标签(Label),而前者没有。后者包括回归(Regression)、分类(Classification)等典型任务,前者包括聚类(Clustering)、异常检测(Anomaly Detection)和降维(Dimensionality Reduction)占坑。
1. 监督学习
1.1 线性回归模型
占坑。
占坑。
3.强化学习(Reinforcement learning)
强化学习系统会生成一条政策,用于定义获得最多奖励的最佳策略。强化学习用于训练机器人执行任务(例如在房间中走动),以及训练 AlphaGo 等软件程序玩围棋游戏。
4. 半监督式学习(Semi-supervised Learning)
占坑。