4种不同类别的机器学习概述

柔情只为你懂 2022-09-09 11:54 160阅读 0赞

**导读：**机器学习涉及方方面面的内容，包含许多不同类型的算法，其学习方式也不相同。我们将简要介绍这些学习方式及其对应的情景。

作者：列奥纳多·德·马尔希（Leonardo De Marchi），劳拉·米切尔(Laura Mitchell)

来源：大数据DT（ID：hzdashuju）

![6c170b223d06ef88db0f332c85403fbd.png][]

我们可以根据算法执行学习的方式将它们分为以下不同类别：

*  有监督学习
 *  无监督学习
 *  半监督学习
 *  强化学习

**01 有监督学习**

有监督学习是目前商业过程中最常见的机器学习形式。这些算法试图找到映射输入和输出的函数的一个很好的近似。

为此，顾名思义，我们需要自己为算法提供输入值和输出值，并且尝试找到一个能够使预测值和实际输出值之间误差最小的函数。

学习阶段称为**训练**（training）。模型经过训练后，可以针对未见过的数据预测输出。此阶段通常被视为评分或预测，如图1-1所示。

![ef9b3c21903d6c6a797de857831bb813.png][]

▲图 1-1

**02 无监督学习**

无监督学习适用于未标记的数据，因此我们不需要实际的输出值，仅需要输入。它尝试在数据中查找模式并根据这些共同属性做出反应，将输入划分为多个不同聚类（如图1-2所示）。

![36ac9b64f1771ac64ed723490f19eb7e.png][]

▲图 1-2

通常，无监督学习通常与有监督学习结合使用，以减少输入空间并将数据中的信号集中在较少数量的变量上，但无监督学习还有其他目标。从这个角度来看，当标记数据很昂贵或不太可靠时，无监督学习比有监督学习更适用。

常见的无监督学习技术有**聚类**（clustering）和**主成分分析**（Principal Component Analysis，PCA）、**独立成分分析**（Independent Component Analysis，ICA），以及一些神经网络，例如**生成对抗网络**（Generative Adversarial Network，GAN）和**自编码器**（Autoencoder，AE）。

**03 半监督学习**

半监督学习是介于有监督学习和无监督学习之间的一种技术。它可以说不属于机器学习中一个单独的类别，而只是有监督学习的一种泛化，但在这将其单独列出是有用的。

其目的是通过将一些有标记的数据扩展到类似的未标记数据，从而降低收集标记数据的成本。我们把一些生成模型分类为半监督学习。

**半监督学习可以分为直推学习和归纳学习。**直推学习适用于推断未标记数据的标签，归纳学习适用于推断从输入到输出的正确映射。

我们可以看到此过程与我们在学校学习的大多数过程相似。老师向学生展示一些例子，并让学生回家完成作业。为了完成这些作业，他们需要进行泛化。

**04 强化学习**

强化学习（RL）是我们目前所见的最独特的类别。这个概念非常有趣：该算法试图找出一个策略来最大化奖励总和。

该策略由使用它在环境中执行动作的智能体来学习。然后，环境返回反馈，智能体使用该反馈来改进其策略。反馈是对所执行动作的奖励，可以是正数、空值或负数，如图1-3所示。

![0b615ba0cc012e08b33e281de8e86dea.png][]

▲图 1-3

**关于作者：列奥纳多·德·马尔希**（Leonardo De Marchi），目前是Badoo的数据科学家主管，Badoo是世界上的大型交友网站之一，拥有超过4亿名用户。他也是ideai.io（一家专门从事机器学习培训的公司）的首席教练，为大型机构和有活力的初创企业提供技术和管理培训。他拥有人工智能专业硕士学位，曾在体育界担任数据科学家。

**劳拉·米切尔**（Laura Mitchell），目前是Badoo的首席数据科学家。Laura在NLP、图像分类和推荐系统等项目的交付方面具有丰富的实践经验，包括从最初的构思到产品化。她热衷于学习新技术并紧跟行业趋势。

本文摘编自《神经网络设计与实现》，经出版方授权发布。

![9a8c4d64d1863779a7a675ea8abe744c.png][]

延伸阅读《神经网络设计与实现》

点击上图了解及购买

转载请联系微信：DoctorData

**推荐语：**本书是一本神经网络实践进阶指南，适合对AI和深度学习感兴趣并且想进一步提高技能的读者阅读。

![音符][a68bfb0c5eb9aacfed107b5355f34111.gif]

**划重点????**

**干货直达????**

*  [10本最火的中台与数字化转型图书，朋友圈都在传][10]  
    
 *  [终于有人把碳达峰、碳中和讲明白了][Link 1]  
    
 *  [终于找到了！AI学习路线图——从零基础到就业][AI]  
    
 *  [终于有人把数据仓库讲明白了][Link 2]

**更多精彩****????**

在公众号对话框输入以下**关键词**

查看更多优质内容！

**读书** | **书单** | **干货**** **| **讲明白 **|** 神操作 | ****手把手**

**大数据** | **云计算** | **数据库** | **Python** | **爬虫** | **可视化**

**AI** | **人工智能** | **机器学习** | **深度学习** | **NLP**

**5G**** **|** 中台 **|** 用户画像**** **| **数学 **|** 算法 **| **数字孪生**

据统计，99%的大咖都关注了这个公众号

**????**

[6c170b223d06ef88db0f332c85403fbd.png]: /images/20220829/ab4dcfe30249402183024eb0adafd0b4.png
[ef9b3c21903d6c6a797de857831bb813.png]: /images/20220829/11a3c69f63a04f65b0987c96d0adc49b.png
[36ac9b64f1771ac64ed723490f19eb7e.png]: /images/20220829/418198865e2a4155a94f0fb0783d6385.png
[0b615ba0cc012e08b33e281de8e86dea.png]: /images/20220829/390dc1dea25d447696ba053ea37aa835.png
[9a8c4d64d1863779a7a675ea8abe744c.png]: /images/20220829/d1bc02199bb046b6ab53410593797984.png
[a68bfb0c5eb9aacfed107b5355f34111.gif]: /images/20220829/59c22a86aa7842ddb65dcd9a16ff1a63.png
[10]: http://mp.weixin.qq.com/s?__biz=MzI5OTk5OTM2Mw%3D%3D&chksm=ec8c1938dbfb902e4dba2accf423ad870e21042b65c2aee7367f5a390f335cae04d7167cbb9b&idx=2&mid=2247536852&scene=21&sn=6ca8e14431dd27cb35986e49115710c8#wechat_redirect
[Link 1]: http://mp.weixin.qq.com/s?__biz=MzI5OTk5OTM2Mw%3D%3D&chksm=ec8c1965dbfb90736583242c5108c3747a6e1f2b737102197636626f3ca4e2c781c1ca376fd3&idx=2&mid=2247536777&scene=21&sn=0d66a860f6a04befb2f2fd5aa55f9f0f#wechat_redirect
[AI]: http://mp.weixin.qq.com/s?__biz=MzI5OTk5OTM2Mw%3D%3D&chksm=ec8c06f4dbfb8fe2cc370a626642ab4bad4d3118595d445b4eb16b262a7b02e5b00380189887&idx=2&mid=2247536408&scene=21&sn=173d58bba54e3235020e99ce983504fd#wechat_redirect
[Link 2]: http://mp.weixin.qq.com/s?__biz=MzI5OTk5OTM2Mw%3D%3D&chksm=ec8c072bdbfb8e3de896298c593f6c828375de70575cc22b651f87ec86b96961a32e9e8287a3&idx=2&mid=2247536327&scene=21&sn=7a6e2cbc409dc3cd0636d726946d7b9c#wechat_redirect