學習的種類分為監督學習、無監督學習、強化學習等，我們將學生比作計算機，老師比作周圍的環境（資料）。
監督學習：對於有標籤的資料進行學習，目的是能夠正確判斷無標籤的資料。通俗的講，老師教授學生知識，並告知學習過程中的對與錯，讓學生可以從所學知識的經驗和技能中對沒有學過的問題進行正確回答，這就是監督學習，用於**資料的回歸、分類標籤的分類、順序的排序等問題。
無監督學習：對於無標籤的資料進行學習，目的是不僅能夠解決有明確答案的問題，也可以對沒有明確答案的問題進行**。通俗的講，學生通過自學學習知識，達到可以正確回答有答案的問題，也可以對無答案的問題進行**歸類。常用於聚類、異常檢測等。
強化學習：學生學習知識時，沒有老師對其進行對與錯的判定，需要學生根據自己所擁有的資訊自己判定對於錯，如果能夠判定出來，則為有監督學習；如果判定不出來對與錯，則為無監督學習。常用於機械人的自動控制、遊戲的人工智慧、市場戰略的最優化等。
監督學習 無監督學習 半監督學習 強化學習
目錄 監督學習 非監督學習 半監督學習 強化學習 懶散學習法 積極學習法 1 訓練資料有標柱類別 2 指根據訓練資料學習乙個模型，然後能對後來的輸入做 3 輸入變數和輸出變數可以是連續的，也可以是離散的。若輸入變數和輸出變數均為連續變數，則稱為回歸 輸出變數為有限個離散變數，則稱為分類。4 必須要有...
監督學習 無監督學習 強化學習的區別
目前機器學習主流分為三大類 監督學習，無監督學習和強化學習 舉個例子，我們經常考試，試卷上的題目我們未必都做過，但是在複試的時候會刷很多題，通過這些題目我們學會了階梯方法，在考試時面對陌生的題目也能做出來。同樣機器學習也是乙個舉一反三的過程，我們可以利用一些訓練資料，使機器能夠利用它們分析未知資料。...
有監督學習和無監督學習 無監督學習
一.無監督學習包含的演算法 聚類 kmeans聚類演算法 降維 pca 之所以叫無監督學習 是因為模型是從無標籤的資料開始學習，沒有目標值。二.kmeans聚類 1.聚類演算法步驟 定義 將高維資料轉化為低維資料的過程，在此過程中可能會捨棄原有資料，創造新的變數 作用 降低原始資料的維數 複雜度 損...