标签:根据 回归 慢慢 信息 图像 img 天气 处理 机器
一.学习的类型
1.根据输出空间:分类(二分类,多类别分类),回归,结构化
二分类:解决是非问题
多类别分类:邮递区号的辨识,邮件分类,图像辨识
回归:预测股票走势,预测天气
结构化:自然语言辨识
2.根据标签:监督学习,非监督学习,半监督学习,强化学习
非监督学习:聚类、密度分析、离群点检测(目标分散,难衡量算法的好坏)
半监督学习:适用于标记很花时间或者很贵时
3.根据数据获取方式:批(被动),在线(被动),主动
批:一次喂给一批数据获得一个g最接近f
在线:一次喂给一个数据,g慢慢接近f(PLA,强化学习)
主动:半监督情况下,当机器处理
4.根据输入空间:具体,原始,抽象
输入空间越抽象对计算机来说越复杂
具体:具有物理意义(用户信息)
原始:图像灰度值
抽象:用户id
对于原始或抽象的特征需要人(feature engineering)或机器(deep learning)转换为具体特征。
标签:根据 回归 慢慢 信息 图像 img 天气 处理 机器
原文地址:https://www.cnblogs.com/huangshansan/p/10737220.html