机器学习的分类是什么?


机器学习是人工智能的一种应用,它支持能够从经验中学习和改进的架构,而无需明确地进行编程。

它可以被包括谷歌和必应在内的搜索引擎用来对网页进行排名,或者确定向哪个用户显示哪个广告。它可以被包括 Facebook 和 Instagram 在内的社交网络用来为每个用户创建定制化的信息流,或者根据用户上传的图片对其进行标记。

机器学习的分类如下:

监督学习 - 监督学习是一种机器学习方法,其中它可以向机器学习系统提供带标签的样本记录进行训练,并预测输出。

系统使用带标签的数据构建模型来学习数据集并了解每个数据,因为训练和处理完成后,它可以通过提供样本数据来检查模型,以检查它是否预测了准确的输出。

监督学习,其中训练记录用正确的答案进行标记,例如“垃圾邮件”或“非垃圾邮件”。监督学习的两种类型是分类(其中输出是离散标签,如垃圾邮件过滤)和回归(其中输出是实数值)。

无监督学习 - 无监督学习是指提供一组未标记的数据,需要对其进行分析并找到其中的模式。两个例子是降维和聚类。

将一组物理或抽象对象组合成相同对象的类的过程称为聚类。一个聚类是一组数据对象,这些对象在同一个聚类中彼此相同,并且与其他聚类中的对象不同。在许多应用中,可以将数据对象的聚类作为一个整体作为一个组来考虑。聚类分析是一项重要的人类活动。

聚类分析用于根据对这些记录进行的各种度量形成相同记录的组或聚类。关键设计是以对分析目标有用的方式定义聚类。此数据已用于多个领域,例如天文学、考古学、医学、化学、教育、心理学、语言学和社会学。

强化学习 - 强化学习是一种基于反馈的学习方法,其中学习代理对于每次正确的服务获得奖励,对于每次错误的服务获得惩罚。代理会自动了解这些反馈并提高其性能。在强化学习中,代理会与环境交互并对其进行分析。代理的目标是获得最多的奖励点,因此,它会提高其执行效率。

更新于: 2022年2月15日

479 次浏览

开启您的 职业生涯

通过完成课程获得认证

开始学习
广告