03 Types of Learning

学习的类型

1.根据输出空间：分类（二分类，多类别分类），回归，结构化

二分类：解决是非问题

多类别分类：邮递区号的辨识，邮件分类，图像辨识

回归：预测股票走势，预测天气

结构化：自然语言辨识

2.根据标签：监督学习，非监督学习，半监督学习，强化学习

非监督学习：聚类、密度分析、离群点检测（目标分散，难衡量算法的好坏）

半监督学习：适用于标记很花时间或者很贵时

3.根据数据获取方式：批（被动），在线（被动），主动

批：一次喂给一批数据获得一个g最接近f

在线：一次喂给一个数据，g慢慢接近f（PLA，强化学习）

主动：学习算法可以主动地提出一些标注请求，将一些经过筛选的数据提交给专家进行标注，然后用这些数据训练分类模型来提高模型的精确度。

4.根据输入空间：具体，原始，抽象

输入空间越抽象对计算机来说越复杂

具体：具有物理意义（用户信息）

原始：图像灰度值

抽象：用户id

对于原始或抽象的特征需要人（feature engineering）或机器（deep learning）转换为具体特征。