机器学习基石-Types of Learning

课程大纲

Learning with Different Output Space Y

按照输出空间的类型，我们可以把机器学习问题分为四类

• binary classification：y={−1.+1},比如垃圾邮件分类问题

• multiclass classification：y={1,2,...K}，比如硬币识别问题

• regression：y=R，比如房价预测问题

• structured learning：y=structured，比如序列标注问题

Learning with Different Data Label yn

按照数据标签的完备程度，可以把机器学习问题分为四类

• supervised：所有的数据都有标签

• unsupervised：所有的数据都没有标签

• semi-supervised：只有部分数据有标签

• reinforcement：通过奖励和惩罚来表示好坏

Learning with Different Protocol

按照与计算机的交互数据的方式，将机器学习问题分为三类

• batch：一次把所有的数据喂给机器

• online：每次为一条数据给机器，不断地喂

• active:：机器主动找我们要数据

Learning with Different Input Space

按照不同的输入空间，将机器学习问题分为三类

• concrete：数据特征是一些比较具体的特征，有物理意义，比如说用户的个人信息

• raw：数据特征有简单的物理意义，比如说图片的像素

• abstract：数据特征几乎没有物理意义，比如说用户的id