監督學習：給機器的訓練數據擁有“標記”或“答案”

• 主要處理分類、回歸問題
• k近鄰、線性回歸和多項式回歸
• 邏輯回歸
• SVM
• 決策樹和隨機森林

非監督學習：給機器的訓練數據沒有“標記”或“答案”

• 對沒有“標記”的數據進行分類-聚類分析：電商對初始顧客沒有初始印象，后期出現分類（與監督學習有啥區別？）
• 對數據進行降維處理，特征提取：信用卡的信用評級與人的胖瘦無關？（方便可視化）
• 特征壓縮：PCA（盡量少損失信息的情況下，將信息壓縮）
• 異常檢測：去除異常點

半監督學習：一部分數據有標記或答案，另一部分數據沒有
?

• 更常見：各種原因產生的標記缺失
• 通常都使用無監督學習手段對數據做處理，之后使用監督學習手段做模型的訓練和預測

增強學習：

• 根據周圍的環境情況，采取行動，根據采取行動的結果，學習行動方式。

• alphago
• 無人駕駛、機器人
• 現在比較前沿，無法達到，監督學習和半監督學習是基礎

?

總結

以上是生活随笔為你收集整理的[云炬python3玩转机器学习笔记] 2-3监督学习、非监督学习、半监督学习和增强学习的全部內容，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。