33、大数据分析与挖掘在医疗及智慧城市中的应用

大数据分析与挖掘在医疗及智慧城市中的应用

1. 机器学习类别

机器学习主要分为以下几种类型：
- 监督学习 ：能够从有标签的训练数据中学习，主要用于预测未知数据的结果。例如在保险承保和欺诈检测中，通过已知的标签数据训练模型，来判断新的保险申请是否存在欺诈风险。
- 无监督学习 ：用于检查数据之间的关系和自然描述性统计信息，以发现数据中有趣的隐藏结构。常见应用包括客户聚类和关联规则挖掘，通过对客户数据的分析，将客户分为不同的群体，以便企业进行精准营销。
- 半监督学习 ：训练大量数据，其中有标签的数据比无标签的数据少。在医疗预测中，可能只有部分患者的数据有明确的诊断标签，通过半监督学习可以利用这些少量有标签的数据和大量无标签的数据进行模型训练。
- 强化学习 ：介于无监督学习和监督学习之间，使“智能体”能够从周围环境中学习，从而智能地行动。智能体通过“行动”与环境直接交互，并根据结果获得“奖励”或“惩罚”，以制定最优的行为策略。在游戏和复杂决策场景中应用广泛，如自动驾驶汽车通过不断尝试和反馈来优化驾驶策略。

机器学习类别	标签情况	学习重点	应用场景
监督学习	已知标签或输出	预测结果	保险承保、欺