机器学习算法分类

算法分类1：有监督学习、无监督学习、半监督学（强化学习，举例：小孩学走路，一开始走不稳，随着数据量的增大，走的越来越熟练。）；

算法分类2： 分类与回归、聚类、标注；

算法分类2：生成模型、判别模型。

机器学习算法分类（1）： 通过模型判断Y和X的关系

    有监督学习：分类算法——Y类：垃圾邮件

                                                X类：正常邮件

                          回归算法

    无监督学习： 聚类   （无Y类）

    半监督学习：强化学习

机器学习算法分类（2）：

    分类与回归

    聚类

    标注，给每一个对象打上标签，如句子的主谓宾切割 

机器学习算法分类（3）【重要】

    生成模型：（陪审团）属于某类的可能性。

    判别模型:  （法官）直接给函数，定结果。

算法分类1：根据数据有无标签Y进行分类

对样本数据进行一些训练，得到模型，通过模型判断X与Y的关系。

    有监督学习：训练数据中已经明确给出了该数据的Y，给数据打上了标签。如：已对邮件打上了“垃圾邮件”、“正常邮件”的标签。包括：分类算法、回归算法。

    无监督学习：训练数据并没有Y，数据没有任何标签。典型算法：聚类。

    半监督学习：也叫强化学习，数据越多，模型越好。

算法分类2：根据解决问题进行分类

    分类与回归、聚类、标注

算法分类3（重要，直指本质）

    生成模型：用来说明分类问题。返回的是属于各个类的概率。

    判别模型：用来说明分类问题。直接给一个函数，数据输入到函数中，直接返回类别。

一、机器学习算法分类

1. 有监督学习

1. 分类算法

2. 回归算法
   

2. 无监督学习

1. 聚类

3. 半监督学习（强化学习）

4. 其他

1. 标注

2. 生成模型（属于各个类的概率）

3. 判别模型 （分类）
   

1

1

1

1

算法分类3（模型的本质）
生成模型：更有可能的是什么。
判别模型：是什么不是什么。

第5章 常见的算法和分类

5-1机器学习常见的算法和分类（1）

算法分类一（根据数据有无标签Y进行分类）

1. 有监督学习  训练数据中已经明确给出了该数据的Y，给数据打上了标签。如：已对邮件打上了“垃圾邮件”、“正常邮件”的标签。包括：分类算法、回归算法
   
   

2. 无监督学习  训练数据并没有Y，数据没有任何标签。典型算法：聚类。
   

3. 半监督学习  强化学习 ，数据越多，模型越好。
   

算法分类二（根据解决问题进行分类）

    1.分类与回归

    2.聚类

    3.标注

算法分类三（很重要，直指本质）

1. 生成模型  用来说明分类问题。返回的是数据属于各个类的概率。
   

2. 判别模型  用来说明分类问题。直接给一个函数，数据输入到函数中，直接返回类别。
   

算法分类：生成模型

                  判别模型

?????

1. 算法分类：有没有Y值

• 有监督学习:（有）训练数据被提前打好了标签。典型的就有分类算法和回归算法。

• 无监督学习：（没有）聚类算法。

• 半监督学习 ：强化学习。

2. 算法分类：根据要解决的问题进行分类。

• 分类与回归

• 聚类

• 标注

3. 算法分类：算法的本质分类。

• 生成模型

• 判别模型
  

机器学习算法分类

算法分类（1）：有监督学习、无监督学习、半监督学习

算法分类（2）：分类与回归、聚类、标注

（重要）算法分类（3）：生成模型、判别模型

机器学习算法分类

机器学习算法分类

算法分类：

1、监督学习：分类算法、回归算法

2、无监督学习：聚类

3、半监督学习：主要考虑如何利用少量的标注样本和大量的未标注样本进行训练和分类的问题。主要分为半监督分类，半监督回归，半监督聚类和半监督降维算法。

机器学习算法分类

算法分类1：

• 有监督学习：提供了Y值（分类）的分类算法和提供了Y值（数字）的回归算法

• 无监督学习：无Y值，聚类算法

• 半监督学习：先给一部分Y值，以达到训练的越来越好的目的

算法分类2：

• 分类与回归

• 聚类

• 标注

算法分类3：（重要、直指算法的本质）

• 生成模型（告诉你属于每一类的概率）

• 判别模型（给你一个函数，你把数据丢给函数，他返回给你一个结果就告诉你是哪一类）

机器学习算法分类

算法分类1：

• 有监督学习：提供了Y值（分类）的分类算法和提供了Y值（数字）的回归算法

• 无监督学习：无Y值，聚类算法

• 半监督学习：先给一部分Y值，以达到训练的越来越好的目的

算法分类2：

• 分类与回归

• 聚类

• 标注

算法分类3：（重要、直指算法的本质）

• 生成模型（告诉你属于每一类的概率）

• 判别模型（给你一个函数，你把数据丢给函数，他返回给你一个结果就告诉你是哪一类）
  

机器学习算法分类：

算法分类1：

有监督学习：提供了Y值（分类）的分类算法和提供了Y值（数字）的回归算法

无监督学习：无Y值，聚类算法

半监督学习：先给一部分Y值，以达到训练的越来越好的目的

算法分类2：

分类与回归

聚类

标注：例如将一段话拆分，打上各自的成分标签（主语、宾语）

算法分类3（重要）：

生成模型：产出属于每一类的可能性

判别模型：例如一个函数，提供值，直接产生结果

机器学习算法分类：

第一种分类方法：有/无/半监督学习

第二种分类方法：分类与回归/聚类/标注

第三种分类方法：生成模型/判别模型

1.     生成模型：%属于A类，%属于B类，%属于C类
   

2.     判别模型：属于A/B/C类

机器学习算法分类：

第一种分类方法：有/无/半监督学习

第二种分类方法：分类与回归/聚类/标注

第三种分类方法：生成模型/判别模型

根据算法本质分类

无监督学习：聚类

半监督学习

根据解决问题类型分类：2

算法分类1：有监督学习