9、机器学习的视角、任务与框架解析

机器学习的视角、任务与框架解析

1. 机器学习范式

机器学习有三种典型的范式，它们也是学术界的主流观点，以下是对这些范式的详细介绍：
| 范式 | 简要描述 |
| — | — |
| 监督学习 | 算法 H 使用手动标记的样本 S 进行训练，得到的假设 h 用于预测所有未知数据 |
| 无监督学习 | 算法 H 仅使用未标记的数据进行训练，得到的 h 用于处理所有未知数据 |
| 强化学习 | 算法 H 进行优化以获得 h，然后根据当前状态和环境的奖励 R 确定下一个动作 |

1.1 监督学习

监督学习是使用一组标记数据来训练算法，然后使用训练好的假设对未知数据进行预测。标记的训练数据是一组输入 - 输出对，用于训练算法，因此标记数据也称为训练示例。监督学习可以看作是一种“有教师指导的学习”，典型算法之一是支持向量机（SVM）。

1.2 无监督学习

无监督学习接收未标记的数据进行分析或训练，然后对所有未知数据进行预测。它类似于“自主学习”的学习范式，典型算法之一是 k - 均值算法。

1.3 强化学习

智能体与外部环境进行交互，每个动作都会从环境中获得奖励反馈，然后根据当前状态和奖励值决定下一个动作。它可以看作是一种“在线学习”，典型算法之一是 Q - 学习算法。

2. 机器学习任务

学习任务是指可以通过机器学习解决的基本问题，是从领域问题中抽象出来的常见问题，具有相同机制的机器学习算法可用于完成这些任务。机器学习主要有以下七种学习任务：
| 任务 | 简要描述 |
| —