机器学习的分类

机器学习下面是一个大宝藏，包含了很多种学习方式，其中最典型的是四种：

一  监督学习

    在监督学习中，用来训练算法的训练数据包含了答案，称为标签。一个典型的监督学习任务是分类。垃圾邮件过滤器就是一个很好的例子：用许多带有归类（垃圾邮件或普通邮件）的邮件样本进行训练，过滤器必须还能对新邮件进行分类。
另一个典型任务是预测目标数值，例如给出一些特征（里程数、车龄、品牌等等）称作预测
值，来预测一辆汽车的价格。这类任务称作回归。要训练这个系统，你需要给出大
量汽车样本，包括它们的预测值和标签（即，它们的价格）

 

 

下面是一些重要的监督学习算法：

1 K近邻算法
2 线性回归
3 逻辑回归
4 支持向量机（SVM）
5 决策树和随机森林
6 神经网络

二 非监督学习

   在非监督学习中，你可能猜到了，训练数据是没有加标签的。系统在没有老师的条件下进行学习。

下面是一些最重要的非监督学习算法：
1 聚类
2 K 均值
3 层次聚类分析（Hierarchical Cluster Analysis，HCA）
4 期望最大值
5 可视化和降维
6 主成分分析（Principal Component Analysis，PCA）
7 核主成分分析
8 局部线性嵌入（Loca