机器学习简介和分类
简介
机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论等多门学科。它是人工智能(AI)的核心,是使计算机具有智能的根本途径。目前已广泛应用于数据挖掘、计算机视觉、自然语言处理、检测信用卡欺诈、证券市场分析、搜索引擎、无人驾驶、机器人等领域。
分类
按照学习方法
- 监督式学习(Supervised Learning):标记过的样本作为训练数据。如分类、回归、排序。
- 非监督式学习(Unsupervised Learning):未标记过的样本作为训练数据。如聚类、降维。
- 半监督式学习(Semi-supervised Learning):样本中包括有标记和无标记的数据。通常用于无标记数据很容易获得,但有标记数据获取代价昂贵的情况。
- 增强学习(Reinforcement Learning):智能体不断与环境进行交互,通过试错的方式来获得最佳策略。
按照学习任务
- 分类 - 为每个项目分配一个类别。
- 回归 - 预测每个项目的值。
- 排序 - 根据一些标准排序项目。如网络搜索。
- 聚类 - 将项目划分为均匀区域。
- 降维或流形学习 - 将项目的初始表示转换为这些项目的较低维数,同时保留一些属性。