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。