机器学习基石-3-Types of Learning

---

Learning with Different Output Space $y$

Binary Classification:分类的结果只有两种，信用卡发放问题
Multiclass Classification:分类的结果有多种，识别不同种类的硬币问题
Regression:回归，分类结果是$\mathbb{R}$,病人恢复问题
Structured Learning:，分类结果是结构，语义分析，动词名词组合
不愧是基石，每种方法只是点到为止，太粗糙了，可能后面会介绍吧！

---

Learning with Different Data Label $y_n$

Supervised:监督式
Unsupervised:无监督式,clustering,分群问题,无监督问题目标分散，很难决定分类结果好坏！
Semi-supervised:半监督式，给出部分label的点
Reinforcement:增强式，像训练狗狗一样，一点一点学，通过惩罚错误，不是一口气学出正确结果！

---

Learning with Different Protocol(协议) $f\Rightarrow (x_n,y_n)$

batch learning:批量进去，批量出来，“填鸭式”，丢一本答案自学（本课重点）
online:垃圾邮件Spam分类，老师慢慢的教
active learning:主动学习，有问问题的能力，让电脑问也许标注的会少

---

Learning with Different Input Space $\mathbb{X}$

concrete:具体的，比较简单
raw:原始的，抽取具体特征，deep learning
abstract:抽象的，帮每个数据抽取特征