文章图片
根据数据类型的不同 ， 对一个问题的建模有不同的方式 。 在机器学习或者人工智能领域 ， 人们首先会考虑算法的学习方式 。 在机器学习领域 ， 有几种主要的学习方式 。 将算法按照学习方式分类是一个不错的想法 ， 这样可以让人们在建模和算法选择的时候考虑能根据输入数据来选择最合适的算法来获得最好的结果 。
>>>>
1. 监督式学习：
文章图片
2. 非监督式学习：
文章图片
在非监督式学习中 ， 数据并不被特别标识 ， 学习模型是为了推断出数据的一些内在结构 。 常见的应用场景包括关联规则的学习以及聚类等 。 常见算法包括Apriori算法以及k-Means算法 。
3. 半监督式学习：
文章图片
在此学习方式下 ， 输入数据部分被标识 ， 部分没有被标识 ， 这种学习模型可以用来进行预测 ， 但是模型首先需要学习数据的内在结构以便合理的组织数据来进行预测 。 应用场景包括分类和回归 ， 算法包括一些对常用监督式学习算法的延伸 ， 这些算法首先试图对未标识数据进行建模 ， 在此基础上再对标识的数据进行预测 。 如图论推理算法（Graph Inference）或者拉普拉斯支持向量机（Laplacian SVM.）等 。
4. 强化学习：
文章图片
在这种学习模式下 ， 输入数据作为对模型的反馈 ， 不像监督模型那样 ， 输入数据仅仅是作为一个检查模型对错的方式 ， 在强化学习下 ， 输入数据直接反馈到模型 ， 模型必须对此立刻作出调整 。 常见的应用场景包括动态系统以及机器人控制等 。 常见算法包括Q-Learning以及时间差学习（Temporal difference learning）
5. 算法类似性
根据算法的功能和形式的类似性 ， 我们可以把算法分类 ， 比如说基于树的算法 ， 基于神经网络的算法等等 。 当然 ， 机器学习的范围非常庞大 ， 有些算法很难明确归类到某一类 。 而对于有些分类来说 ，同一分类的算法可以针对不同类型的问题 。 这里 ， 我们尽量把常用的算法按照最容易理解的方式进行分类 。
6. 回归算法：
文章图片
回归算法是试图采用对误差的衡量来探索变量之间的关系的一类算法 。 回归算法是统计机器学习的利器 。 在机器学习领域 ， 人们说起回归 ， 有时候是指一类问题 ， 有时候是指一类算法 ， 这一点常常会使初学者有所困惑 。 常见的回归算法包括：最小二乘法（Ordinary Least Square） ， 逻辑回归（Logistic Regression） ， 逐步式回归（Stepwise Regression） ， 多元自适应回归样条（Multivariate Adaptive Regression Splines）以及本地散点平滑估计（Locally Estimated Scatterplot Smoothing）
推荐阅读
- 人物|马斯克谈特斯拉人形机器人：有性格 明年底或完成原型
- 硬件|Yukai推Amagami Ham Ham机器人：可模拟宠物咬指尖
- Insight|太卷了！太不容易了！
- 王者|布局手术机器人赛道，谁是王者？ | A股2022投资策略⑩
- 机器|戴森达人学院 | 戴森HP09空气净化暖风扇测评报告
- 孙自法|中国科技馆“智能”展厅携多款机器人亮相 喜迎新年和人机共融时代
- 国际|微创血管介入手术机器人获国际创业大赛冠军，获价值千万元奖励
- 猎豹|数字化助力实体消费 机器人让商场“热”起来
- 机器人|微创血管介入手术机器人获国际创业大赛冠军，获价值千万元奖励
- 观众|中国科技馆“智能”展厅携多款机器人亮相