机器学习之机器学习的分类

本讲的主要内容：
-1.机器学习算法按照任务性质的不同：监督学习+强化学习
--1.1监督学习（supervised learning）：所有的经验E都是人工采集并输入计算机的
-----1.1.1传统的监督学习（traditional supervised learning）：每一个训练数据都有对应的标签
算法包括：
-----------支持向量机（support vector machine）
-----------人工神经网络（neural networks）
-----------深度神经网络（deep neural networks）
-----1.1.2 非监督学习（unsupervised learning）：所有的训练数据都没有对应的标签
算法包括：
-----------聚类（clustering）
-----------EM算法（expectation-maximization algorithm）
-----------主成分分析（principle component analysis）
-----1.1.3半监督学习（semi-supervised learning）：训练数据中有一部分有标签，一部分没有标签
--1.2强化学习（reinforcement learning）：经验E是计算机与环境互动获得的，逐渐强化自己的行为模式

-2.机器学习算法基于标签的固有属性：
将监督学习分为分类（classification）和回归（regression）
--2.1分类（classification）：标签是离散的值
--2.2回归（reg