人工智能学习笔记（）

一、有监督学习和无监督学习
有监督学习就是训练用历史数据是既有问题又有答案，而无监督学习就是训练用历史数据是只有问题没有答案。 正式的说法一般是把答案称之为标签label 还有一种介于两者之间的混合学习方法，称为半监督学习 。
在无监督学习中，主要是发现数据中未知的结构或者是趋势。虽然原数据不含任何的标签，但我们希望可以对数据进行整合（分组或者聚类），或是简化数据（降维、移除不必要的变量或者检测异常值）。
因此无监督算法主要的分类包含：
- -聚类算法 (代表：K均值聚类，系统聚类)
- - 降维算法 （代表：主成份分析PCA，线性判断分析LDA） 有监督学习，可以根据预测变量的类型再细分。如果预测变量是连续的，那这就属于回归问题。而如果预测变量是独立类别（定性或是定类的离散值），那这就属于分类问题了。
因此有监督学习主要的分类包含：
- 回归算法 (线性回归，最小二乘回归，LOESS局部回归，神经网路，深度学习）
- - 分类算法（决策树，支持向量机，贝叶斯，K-近邻算法，逻辑回归，随机森林）
二、