一、监督学习
监督学习通过预测结果与实际结果的比较不断调整模块,直到预测结果达到预期,常用于分类和回归问题。
二、无监督学习
无监督学习的目标是通过对无关标记的样本的学习,发现数据内在的性质和规律。常见应用包括关联规则的学习及聚类等。
三、半监督学习
输入的数据分为已标识和未标识两部分。模型通过学习数据内在结构,合理地组织数据进行预测。常用于分类和回归。
四、强化学习
强化学习将输入数据直接反馈到模型,模型必须立刻作出调整。常用于动态系统及机器人控制等。
一、监督学习
监督学习通过预测结果与实际结果的比较不断调整模块,直到预测结果达到预期,常用于分类和回归问题。
二、无监督学习
无监督学习的目标是通过对无关标记的样本的学习,发现数据内在的性质和规律。常见应用包括关联规则的学习及聚类等。
三、半监督学习
输入的数据分为已标识和未标识两部分。模型通过学习数据内在结构,合理地组织数据进行预测。常用于分类和回归。
四、强化学习
强化学习将输入数据直接反馈到模型,模型必须立刻作出调整。常用于动态系统及机器人控制等。