标签：系统 顺序 tree tput 题目 感知 force rate 主动学习
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。
标签：系统 顺序 tree tput 题目 感知 force rate 主动学习
原文地址：http://www.cnblogs.com/yesuuu/p/7497360.html
