首页 > 代码库 > 机器学习中的学习方式-Types of learning

机器学习中的学习方式-Types of learning

Types of learning

根据个人理解,机器学习中的学习方式的分类有利于我们在面对一个具体的问题时,能够根据要达到的目标选择合适的机器学习算法来得到想要的结果。比如,判断一封电子邮件是否是垃圾邮件,就要使用分类(classification),那要达到分类的效果就要使机器学会怎么样去分类,这就是学习的过程。在学习的过程在又分为四大类:
1)监督学习    (supervised learning)
2)无监督学习(unsupervised learning)
3)半监督学习(semi-supervised learning)
4)增强学习   (reinforcement learning)

下面就是对4种学习进行概念上的区分:
1)监督学习:就是对于训练数据集中的每一个输入样本 ,都有一个label 
                                   例如给定一个包含1000封邮件的训练数据集,对于一封邮件都有一个对应的y={-1,1}
                     ---分类问题,分成指定的多少类
                     ---回归问题,得到一个具体的值

2)无监督学习:对于输入的训练数据,没有对其的类别进行标记。很常见的是聚类问题,
                         假设数据是新闻报道,那么可以根据各篇报道中的关键字将其分成为体育类,财经类等
                         

3)半监督学习:训练的数据是标记的和未标记的混合。为什么不都进行标记呢?在实际的问题中输入数据的数目过于
                         庞大,如果都进行人工标记的话,工作量将是巨大的。下面是一张图来表示这三种学习方式的不同

4)增强学习: 输入数据可以刺激模型做出反馈,反馈不仅从监督学习过程中得到,还从环境中奖励或惩罚中得到。
                       关于增强学习可以参考这篇
                      










机器学习中的学习方式-Types of learning