标签：缺点 跟踪 目的 人工 化学 size 有监督 声音 数据
04_机器学习算法
机器学习的算法目的是找到一种数学模型符合描述的对象。
常见的有三种机器学习的方法: 主要取决于数据的类型
A. 有监督的学习
学习的数据是有人类标识的数据，比如说看X光片，识别猫。
已有的数据结果是知道的，目标是找特征与标签（结果）的关系。
像AlphaGo学习以前的棋局也是这样。 缺点是人工的数据有限。
B. 无监督学习
无标签的数据，没有答案，往往大量杂乱的数据是这样，寻找类似的特征向量集合在一起。
比如分离两种声音，自动跟踪学习天体运动规律等。
适合数据量大，不提前标识数据，靠计算机自己训练模型。
C. 强化学习
事前没有人工标识的数据，通过人工的反馈来训练模型，比如特斯拉的自动驾驶，
可以通过人为的反馈来知道自己做对了还是做错了。
这个很像训练小孩，做得对就表扬，错就惩罚，时间长了小孩就会朝好的方向发展，数学模型也一样。
你希望用机器学习解决什么问题呢? 我希望能建立一个模型当有任务来的时候帮我安排到日程表
fliky
1004_机器学习算法
标签：缺点 跟踪 目的 人工 化学 size 有监督 声音 数据
原文地址：http://www.cnblogs.com/fliky/p/7775151.html
