机器学习基础

三种类别的机器学习的算法

一、基于有没有标签

　　1. Supervised learning (有监督的学习)： 包括SVM（Support Vector Machine）、Neural Networks（神经网络）、Deep Learning等模型

　　2. Unsupervised learning (无监督的学习)：包括Clustering（聚类）、EM Algorithm(EM算法)、PCA（降维）

　　3. Semi-Supervised Learning（半监督的学习）

　　备注：

　　1. supervised和unsupervised 这两个最主要的区别在给出的label（标签）有不同，有监督的学习是给你一个数据，给你一个标签，而无监督的学习是只有数据，没有标签。semi-supervised learning 半监督学习是一部分数据有标签，一部分数据没有标签。

　　2. SVM——支持向量机

　　3. PCA(principal Component Analysis)，即主成分分析方法，是一种使用最广泛的数据压缩算法。降维是对数据高维度特征的一种预处理方法。

　　4. 上述三种方法可以归结为一类，它们都有学习的目标，虽然有没有标签不一样，但是目的是一样的，对于测试数据，要预测测试数据的标签。看重的是每一步的执行结果对与错。

 

二、基于目标

　　1. Reinforcement learning （增强学习）：比如：自动驾驶、计算机下棋

　　不同于基于标签的算法，它不关心每一步是不是对与不对，它只关心最后的结果

 

对于基于标签的算法学习，我们可以根据标签的性质分为两类： classification 和 regression

　　classification（分类）：意思是所有的标签都是离散的值。

　　regression(回归)：意思是所有的标签是连续的值。

 两者之间没有严格的分界线，以至于能够应用分类的算法，都可以做回归算法。

 

补充扩展：

　　对于一张图片上一个图形的面积的求取，会采用数字图像处理，首先进行边缘的提取，然后用一些几何的模型框定，类似于 snack 模型（参考:https://blog.csdn.net/zouxy09/article/details/8532106）

 

 

未完待续...