机器学习基石第三天学习笔记

按数据的输出不同分类

• 监督式学习(supervised learning)
• 非监督式的学习(unsupervised learning)
• 半监督式学习(semi-supervised learning)
• 增强型学习（reinfoecement learning）
• 分批学习(batch Learning)
• 线上学习（online Learning）

按数据输入不同分类

• concrete features
• raw features
• abstract features

按数据的输出不同分类

监督式学习

给的历史数据中包含正确的结果
例如：给定一些铜板，并告诉每个铜板的分类，根据这个数据来分析一个未知铜板的分类

非监督式学习

只给数据但是不给正确结果
例如：

• 聚类(clustering)
• 密度分析（density）
• 过滤分析（outliear）

只给了数据，需要去分析数据，并没有以往的经验可以使用，仅仅根据现有的数据来做学习

半监督式

只给一些正确结果，常用于训练数据不易得到的情况

增强型学习

奖励和惩罚

分批式学习

分批的把数据送给机器让其学习

线上学习

• PLA能够被修改成线上学习
• reinforcement经常用online实现

按数据输入不同分类

concrete features

具体的数据特征

raw features

原始的数据特征

abstract features

抽象的数据特征