2、机器学习：架构、学习类型与框架全解析

机器学习：架构、学习类型与框架全解析

1. 机器学习的学习类型

机器学习主要有三种学习类型，分别是无监督学习、强化学习。

1.1 无监督学习

无监督学习的问题主要分为聚类和关联问题。常用的无监督学习技术包括最近邻映射、值分解、自组织映射和 k - 均值聚类。
- 聚类 ：聚类是基于某些特征、模式或结构来寻找一组未分类的数据。聚类算法负责识别数据的组/簇。例如，通过考虑客户的购买行为来识别一组客户。
- 关联 ：关联允许在大量数据对象之间建立关联。例如，如果一个人购买了对象 x，那么他也有购买对象 y 的倾向，这就存在一种关联。

1.2 强化学习

强化学习涉及与周围环境进行交互，并采用试错方法来获得奖励或错误。算法会识别那些包含最佳奖励的动作。强化学习有三个主要组件：环境、动作和智能体。
- 智能体 ：作为决策者。
- 动作 ：指智能体采取的步骤。
- 环境 ：是智能体进行交互的领域。

强化学习使用强化信号，该信号需要反馈来指导智能体从所有可用动作中选择最佳动作。它有助于在难以根据好坏预测某些情况的严重程度时决定采取何种行动。这种学习使机器能够学习和玩游戏、驾驶车辆等。其主要目标是应用最佳技术，尽早实现快速的业务成果。

2. 机器学习的架构

机器学习的架构旨在优化现有资源的使用，利用可用数据获得优化结果，同时有助于各种应用中的预测分析和