简单了解一下机器学习算法的分类。
机器学习算法有很多，按照学习方式分类可分为：
- 监督学习算法 (Supervised Algorithms）: 在监督学习训练过程中，可以由训练数据集学到或建立一个模式（函数 / learning model），并依此模式推测新的实例。该算 法要求特定的输入/输出，首先需要决定使用哪种数据作为范例。例如，文字识别应用中一个手写的字符，或一行手写文字。主要算法包括神经网络、支持向量机、最近邻算法、朴素贝叶斯法、决策树等。
- 半监督学习（Semi-supervised Leanring）：介于监督式与无监督式之间。
- 强化学习算法 (Reinforcement Algorithms):强化学习普适性强，主要基于决策进行训练，算法根据输出结果（决策）的成功或错误来训练自己，通过大量经验训练优化后的算法将能够给出较好的预测。类似有机体在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。在运筹学和控制论的语境下，强化学习被称作“近似动态规划”（approximate dynamic programming，ADP）。
- 无监督学习算法 (Unsupervised Algorithms):这类算法没有特定的目标输出，算法将数据集分为不同的组。
按照学习任务分类可分为以下三类：
- 分类：预测一个标签 （是离散的），属于监督学习
- 回归：预测一个数量 （是连续的），属于监督学习
- 聚类：属于无监督学习
分类示意图如下：
参考资料：
Machine Learning: 十大机器学习算法 - 知乎 (zhihu.com)
机器学习算法之分类_leofionn的博客-CSDN博客_机器学习分类算法
