机器学习类型简介

本文总结机器学习类型的知识。

机器学习算法和模型都很多，我们如何对这些算法和模型进行归类来认知和应用呢？从不同的角度，有着不同的机器学习类型划分。目前主要的两种角度是：

• 学习类型：关注训练集的响应变量或者标签是什么，分为监督学习、无监督学习、半监督学习和强化学习。

• 模型类型：关注模型要完成什么事情，每一组模型有着相似的算法和准则。

• 1 学习类型

• 1.1 有监督学习

• 1.2 无监督学习

• 1.3 半监督学习

• 1.4 强化学习

• 2 模型类型

• 2.1 回归方法

• 2.2 基于距离的方法

• 2.3 正则化方法

• 2.4 树的方法

• 2.5 贝叶斯方法

• 2.6 聚类方法

• 2.7 关联规则

• 2.8 神经网络方法

• 2.9 深度学习

• 2.10 数据降维

• 2.11 集成学习

• 2.12 文本挖掘

1 学习类型

1.1 有监督学习

1.2 无监督学习

1.3 半监督学习

1.4 强化学习

2 模型类型

2.1 回归方法

2.2 基于距离的方法

2.3 正则化方法

2.4 树的方法

2.5 贝叶斯方法

2.6 聚类方法

2.7 关联规则

2.8 神经网络方法

2.9 深度学习

2.10 数据降维

2.11 集成学习

2.12 文本挖掘

您在阅读中，有什么建议或者想法，请评论。
想加入数据人圈子，请加微信luqin360。

如果您觉得本文有收获，请作者喝杯咖啡！

数据人网是数据人学习、交流和分享的平台http://shujuren.org 。专注于从数据中学习到有用知识。
平台的理念：人人投稿，知识共享；人人分析，洞见驱动；智慧聚合，普惠人人。
您在数据人网平台，可以1）学习数据知识；2）创建数据博客；3）认识数据朋友；4）寻找数据工作；5）找到其它与数据相关的干货。
我们努力坚持做原创，聚合和分享省时有用的数据知识！
我们都是数据人，数据是有价值的，坚定不移地实现从数据到商业价值的转换！

公众号推荐：数据科学与人工智能

分享数据科学和人工智能相关的知识，感兴趣的朋友请关注！

点击【阅读原文】，进入【数据人网】