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】
请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!