本讲的主要内容： -1.机器学习算法按照任务性质的不同：监督学习+强化学习 --1.1监督学习（supervised learning）：所有的经验E都是人工采集并输入计算机的 -----1.1.1传统的监督学习（traditional supervised learning）：每一个训练数据都有对应的标签 算法包括： -----------支持向量机（support vector machine） -----------人工神经网络（neural networks） -----------深度神经网络（deep neural networks） -----1.1.2 非监督学习（unsupervised learning）：所有的训练数据都没有对应的标签 算法包括： -----------聚类（clustering） -----------EM算法（expectation-maximization algorithm） -----------主成分分析（principle component analysis） -----1.1.3半监督学习（semi-supervised learning）：训练数据中有一部分有标签，一部分没有标签 --1.2强化学习（reinforcement learning）：经验E是计算机与环境互动获得的，逐渐强化自己的行为模式

-2.机器学习算法基于标签的固有属性： 将监督学习分为分类（classification）和回归（regression） --2.1分类（classification）：标签是离散的值 --2.2回归（regression）：标签是连续的值

精彩文章

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：