机器学习算法分类

机器学习算法分类

• 监督学习
• 无监督学习
• 强化学习

监督学习

【定义】 输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值（称为回归），或是输出是有限个离散值（称为分类）。

• 目标值 ： 类别 ——分类问题
• 目标值 ：连续型的数据 —— 回归问题

【例如】

分类 ： k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归

回归 ： 线性回归、岭回归

无监督学习

【定义】 在机器学习中，无监督学习就是聚类，事先不知道样本的类别，通过某种办法，把相似的样本放在一起归位一类。

• 目标值 ： 无 —— 无监督学习

【例如】

聚类 ： k-means

强化学习

是一个基于值的强化学习算法，它根据动作值函数评估应该选择哪个动作，这个函数决定了处于某一个特定状态以及在该状态下采取特定动作的奖励期望值。