• 機器學習的目的是預測（包括分類和回歸）。
  分類是根據輸入數據，判別這些數據隸屬于哪個類別。
  回歸則是根據輸入數據，計算出一個輸出值。輸入數據一般為一個向量，向量的各個分量也稱為特征（Feature），輸出則是一個類別或者一個數值。

• 機器學習方法分為有監督學習（Supervised Learning）、無監督學習（Unsupervised Learning）和半監督學習（Semi- Supervised Learning）。

• 有監督學習：是機器學習的一種類別，訓練數據由輸入特征和預期的輸出構成，輸出可以是一個連續的值（稱為回歸分析），或者是一個分類的類別標簽（稱為分類）。如：決策樹、支持向量機（SVM）、K最近鄰（KNN）算法。

• 無監督學習：沒有訓練樣本，直接對數據進行建模。K-Means聚類算法就是典型的無監督學習算法，它的目的是把相似的對象聚集在一起。還包含：主成分分析（PCA）等。

• 半監督學習：是有監督學習和無監督學習相結合的一種學習方法。它研究如何利用少量的標注（Annotated）樣本和大量的未標注樣本進行訓練和預測問題。如：半監督分類、半監督回歸、半監督聚類和半監督降維算法。

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的机器学习与数据挖掘简介的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。