一：機器學習的概念
從廣義上來說，機器學習是一種能夠賦予機器學習的能力以此讓它完成直接程式設計無法完成的功能的方法。但從實踐的意義上來說，機器學習是一種通過利用資料，訓練出模型，然後使用模型**的一種方法。
二：機器學習的分類
1.監督學習
監督學習（資料集有輸入和輸出資料）：通過已有的一部分輸入資料與輸出資料之間的相應關係。生成乙個函式，將輸入對映到合適的輸出，比如分類和回歸。
2.無監督學習
無監督學習（資料集中只有輸入）：直接對輸入資料集進行建模，比如聚類。
3.半監督學習
綜合利用有類標的資料和沒有類標的資料，來生成合適的分類函式。
4.強化學習
強化學習就是不斷做出決策。比如無人駕駛飛機，只有不斷做一些良好的決策，這個飛機才能持續飛行 。
這篇部落格寫的非常不錯：
機器學習分類
監督學習是從標記的訓練資料來推斷乙個功能的機器學習任務。訓練資料報括一套訓練示例。在監督學習中，每個例項都是由乙個輸入物件 通常為向量 和乙個期望的輸出值 也稱為監督訊號 組成。監督學習演算法是分析該訓練資料，並產生乙個推斷的功能，其可以用於對映出新的例項。主要有 非監督學習是在未加標籤的資料中，試...
機器學習（1） 機器學習的分類
第二種分類方式 本文是imooc python3入門機器學習 的學習筆記，用於整理自己學習到的概念，用以備查。簡單說來，就是對於學習對於所要求的資料集，是否需要標註。常見的監督學習演算法有 常見的 非監督演算法及其用處見下 出於各種原因，資料集可能出現一部分資料集帶有標記，而另一部分則缺失標記。此時...
機器學習演算法分類
這些演算法按照學習方式分類的分的話，可以分為一下幾類 1 監督式學習 從給定的訓練資料集中學習出乙個函式，當新的資料到來時，可以根據這個函式 結果。監督學習的訓練集需要包括輸入和輸出，也可以說是特徵和目標。訓練集中的目標是由人標註的。常見的監督式學習演算法包括回歸分析和統計分類。2 非監督式學習 與...