機器學習其他分類：
批量學習（離線學習）batch learning
批量學習
優點：簡單
問題：如何適應環境變化？
解決方案：定時重新批量學習
缺點：每次重新批量學習，運算量巨大
在某些環境變化非常快的情況下，甚至不可能
優點：及時反映新的環境變化
問題：新的資料帶來不好的變化
解決方案：需要加強對資料進行監控
也適應於資料量巨大，完全無法批量學習的環境
引數學習
特點：一旦學到了引數，就不用需要原有的資料集
非引數學習：
不對模型進行過多假設
非引數不等於沒引數
機器學習方法
根據資料型別的不同，對乙個問題的建模有不同的方式。在機器學習或者人工智慧領域，人們首先會考慮演算法的學習方式。在機器學習領域，有幾種主要的學習方式。將演算法按照學習方式分類是乙個不錯的想法，這樣可以讓人們在建模和演算法選擇的時候考慮能根據輸入資料來選擇最合適的演算法來獲得最好的結果。監督式學習 在監...
機器學習方法 機器學習模型評估方法
通常我們採用實驗測試的方法對模型的泛化誤差做出評估。為此我們就需要乙個測試集用來測試訓練好的模型。通常情況下，在我們拿到資料之後，在正式開始訓練模型前，就會將資料劃分為訓練集合測試集。需要注意的是 訓練集與測試集應盡可能互斥，也就是盡量不要重複。測試集要符合真實樣本的分布，也就是說在劃分時要隨機抽樣...
機器學習方法 機器學習中的優化方法
機器學習是離不開優化方法的，pedro domingos這樣概括機器學習和優化方法的關係 machine learning representation optimization evaluation 後面三項對應於三步 建立模型，求解模型，驗證模型。首先介紹一下機器學習中常見的優化問題 1.分類回...