机器学习基石-Types of Learning

Types of Learning

课程回顾

先回顾下上节课的课程,我们主要学习了第一个简单的hypothesis—perceptron,在线性可分的条件下我们使用PLA算法寻找目标的那个g。然后本节课,我们学习下learning的分类。

Different Outer Space Y

根据输出空间的不同,可以将学习大致分成如下几类:

1、二元分类,输出空间为两个离散值,二元分类最基础的分类问题;

2、多元分类,输出空间为多个离散值;

3、回归,输出空间为连续的数值;

4、结构化的学习,输出空间为我们期望的某种结构;

……

其中,二元分类和回归是最基础的问题。

Different Data Lable yn

根据学习的资料的标记的不同,可将学习分成以下几类:

1、监督式学习,所有的资料均有标记;

2、非监督式学习,所有的资料均无标记;

3、半监督式学习,部分资料有标记;

4、增强学习,没有明确的标记但是有一些辅助性的资料;

……

Different Protocol f => (Xn,Yn)

根据喂给机器资料方式的不同,可以将学习分类如下:

1、batch式,可以理解成“填鸭式学习”,一次性喂大量资料给机器进行训练;

2、online式,“循序渐进”地给机器喂资料进行学习;

3、active式,可以理解成赋予机器“问问题的能力”,多用于进行标记比较昂贵的场景;

……

Different Input Space X

根据观测集D中特征的特性,可做如下分类:

1、资料中特征都是具体的,所谓具体就是特征都能用人的智慧来进行描述;

2、原始的特征集;

3、抽象的特征集;

……

对于拥有具体特征的特征集,我们无需做过多处理,对于原始甚至是抽象的特征集,我们就需要做一些更深层次的特征工程(深度学习)来抽取特征。

本节课的内容比较简单,主要是从输出空间,资料标签,资料输入方式和输入空间的特征等四个方面对机器学习进行分类。

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180407G00T8000?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券