机器学习入门必读：6种简单实用算法及学习曲线、思维导图( 七 )_大部分的机器学习算法主要用来解决两类

还有一类集成算法为Bagging类算法，主要思路是分别训练几个不同的模型，然后用模型平均的方法做出最终决策。

最著名的Bagging类算法就是随机森林，该算法还融入了随机子空间方法，是以决策树为基础分类器的一个集成学习模型，它包含多个由Bagging集成学习技术训练得到的决策树，当输入待分类的样本时，最终的分类结果由单个决策树的输出结果投票决定。

6. 强化算法

强化学习（reinforcement learning）和我们在前面提到的算法不太一样，其主要用于训练一个可以感知环境的自制感知器，通过学习选择能达到其目标的最优动作。这个很具有普遍性的问题应用于学习控制移动机器人，在工厂中学习最优操作工序以及学习棋类对弈等。

当某个智能体在其环境中做出每个动作时，施教者会提供奖励或惩罚信息，以表示结果状态的正确与否。该智能体的任务就是从这个非直接的，有延迟的回报中学习，以便后续的动作产生最大的累积效应。

——引用自米歇尔（Mitchell T.M.）《机器学习》

机器学习入门必读：6种简单实用算法及学习曲线、思维导图( 七 )