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
