微信公众号开发 全局重载运算符 ajax scroll binding linktosql jackson signalr h5表格模板 nginx教程视频 linux内存管理 jquery选择子元素 jquery多个元素绑定同一个事件 etc文件夹 kali重启网卡 vue与html5 python for循环 python3文件操作 python命令行 python安装 java目录 java声明变量 java流程 java截取 java游戏开发 登录界面html 球中的小鬼 俄罗斯方块c语言代码 在线pr序列设置 msdev ad下载 风火云 saminside qq钱包实名认证 phpword 游戏python界面编程 adobe卸载工具 pr蒙版怎么用 极限防守图 变声器电脑版
当前位置: 首页 > 学习教程  > 编程语言

机器学习算法分类

2020/10/8 18:12:19 文章标签:

机器学习是数据分析和数据挖掘中一种比较常见且有效的方法,机器学习分为四大类,分别是有监督学习、无监督学习、半监督学习和强化学习。 1.有监督学习 概念:将包含特征和标签信息的样本作为训练样本,通过训练样本训练得到一个最…

机器学习是数据分析和数据挖掘中一种比较常见且有效的方法,机器学习分为四大类,分别是有监督学习、无监督学习、半监督学习和强化学习。

1.有监督学习

概念:将包含特征和标签信息的样本作为训练样本,通过训练样本训练得到一个最优模型,再利用这个模型将所有的输入映射为相应的输出,对输出进行简单的判断从而实现预测和分类的目的,也就具有了对未知数据进行预测和分类的能力。

常见算法:分类算法(KNN、朴素贝叶斯、SVM、决策树、随机森林、BP神经网络算法等)和回归算法(逻辑回归、线性回归等)。

应用场景:分类和回归的场景,如垃圾邮件分类、心脏病预测等。

2.无监督学习

概念:训练样本的标记信息未知,目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律,为进一步的数据分析提供基础。此类学习任务中研究最多、应用最广的是"聚类",聚类目的在于把相似的东西聚在一起,主要通过计算样本间距离和群体间距离得到。

常见算法:密度估计、异常检测、层次聚类、EM算法、K均值算法、DBSCAN算法等。

应用场景:聚类场景,如聚合新闻网站。

3.半监督学习

概念:有监督学习需要获取大量有标记的数据,是一种成本较高的学习方法,而无监督学习不依赖数据的标记,但是对解决分类和回归的问题有一些难度。所以通过对样本进行部分标记,再使用机器学习的算法,就是半监督学习。

常见算法:生成模型算法、自训练算法、联合训练、半监督支持向量机、基于图论的方法等。

应用场景:一些标记数据比较难获取的场景。

4.强化学习

概念:程序或智能体(agent)通过与环境不断地进行交互,学习一个从环境到动作的映射,学习的目标就是使累计回报最大化。

强化学习是一种试错学习,因其在各种状态(环境)下需要尽量尝试所有可以选择的动作,通过环境给出的反馈(即奖励)来判断动作的优劣,最终获得环境和最优动作的映射关系(即策略)。

常见算法:隐马尔科夫、蒙特卡罗。

应用场景:针对流程中需要不断推理的场景,如无人汽车驾驶、阿尔法狗下围棋等。

参考文献

[1]【机器学习笔记】有监督学习和无监督学习

[2]几种半监督学习算法

[3]Python机器学习应用之强化学习

[4]李博.机器学习实践应用[M].北京:人民邮电出版社,2017:16-18.


本文链接: http://www.dtmao.cc/news_show_250011.shtml

附件下载

相关教程

    暂无相关的数据...

共有条评论 网友评论

验证码: 看不清楚?