Machine learning-基本概念

人工智能：仿人类对外界事物进行特定反应，如对事物进行分类识别，基于经验对某一原因科能导致的结果进行预测，对人类输入的文字段落进行拟人回答。
学习范式——

监督学习：
supervised learning
使用带标签的数据进行训练。数据中既有输入，也有对应的正确答案（输出）。
例子：逻辑回归,逻辑回归，决策树，神经网络。
应用场景：人脸识别，等

无监督学习
使用无标签的数据进行训练。数据只有输入，没有明确的答案。
例子：聚类算法
应用场景：新闻聚类

半监督学习
训练数据包括少量正确的结果

强化学习
智能体通过与环境互动，根据获得的“奖励”或“惩罚”来学习最优策略。
应用场景：AlphaGo