-
监督学习
- 分类(二分类、多分类)问题。诈骗识别、图像分类、客户保留、疾病诊断…
- 回归问题。预测、预言、过程优化、新的认知…
分类模型1. KNN(K 个样本)2. 决策树3. 朴素贝叶斯4. 逻辑回归5. SVM
回归模型
神经网络模型1. DNN2. RNN3. CNN4. GAN
-
无监督学习
- 降维问题。特征提取、结构发现、有意义的压缩、大数据可视化…
- 聚类问题。推荐系统、目标营销、客户划分…
聚类模型1. K-均值聚类算法(K-Means Clustering Algorithm,k种类数目)2. DBSCAN 基于密度的聚类算法
关联分析Apriori 算法频繁项集共现关系关联规则按时两种物品之间可能存在很强的关系因果关系、相关关系、关联关系
数据降维主成分分析(PCA)线性判断分析(LDA)有监督的降维方法
-
强化学习
实时决策、游戏AI、学习任务、技能掌握、机器人导航…
没有大量数据,(状态、动作、状态转移、奖赏)
1. 有模型学习
2. 免模型学习蒙特卡罗强化学习时序差分学习
聚类任务:将数据集中的样本划分为若干通常不相交的子集。
- 用于寻找数据内在的分布结构;
- 其它学习任务的前驱过程;