【机器学习基石笔记】三、不同类型的机器学习

一、不同的output

1、二分类 

2、多分类

3、回归问题

4、structured learn: 从一个句子 -> 句子每个 词的词性。

　　输出是一个结构化的东西。

　　例子：蛋白质数据 -> 蛋白质结构

　　　　演讲语音 -> 演讲parse tree

 

二、不同label的类型

1、监督

2、非监督：

　　聚类

　　另外的非监督问题：密度估计！outlier detect

3、半监督学习：与监督学习比较接近

4、增强学习：yHat = y, 奖励 yHat != y, 惩罚。

　　例子：推荐系统、下象棋

 

三、不同Protocol:

1、batch: 一批一起

2、online：按顺序

　　PLA就很容易（感知机学习模型），

　　reinforce一般都是online

3、active learning主动学习: 给出一个x,询问y是啥。通常用在取得标记很贵的情况。

 

四、不同输入空间：

1、具体特征

2、原始数据

3、抽象特征：KDD题目，rate prediction. 输入是用户、歌曲编号。

　　特征工程\深度学习。