最近正在學習《python機器學習基礎教程》，在閱讀過程中進行記錄以增加理解和加深印象。
在機器學習中，根據訓練方法的不同，機器學習可以分為四類，分別為監督學習(supervised learning)、無監督學習(unsupervised learning)、半監督學習(semi-supervised learning)，
強化學習(reinforcement learning)。
關於上述四種分類，具體的可以參考：
監督學習
定義從有標記的訓練資料中推導出**函式。也就是說，使用者將成對的輸入和預期輸出提供給演算法，演算法會找到一種方法，根據給定輸入給出預期輸出。為什麼要叫監督學習呢？是因為每個用於演算法學習的樣例都對應乙個預期輸出，好像有乙個"老師"在監督著演算法。
應用基於醫學影像判斷腫瘤是否為良性
檢測信用卡交易中的詐騙行為…
無監督學習
定義使用的資料是沒有標記過的，即不知道輸入資料對應的輸出結果是什麼。無監督學習只能默默的讀取資料，自己尋找資料的模型和規律，比如聚類（把相似資料歸為一組）和異常檢測（尋找異常）。應用
半監督學習
定義半監督學習訓練中使用的資料，只有一小部分是標記過的，而大部分是沒有標記的。半監督學習的使用，是因為我們很容易找到海量的無類標籤的資料，但是為其打上標籤的代價是昂貴的，因此人們嘗試將大量的無類標籤的樣例加入到有限的有類標籤的樣本中一起訓練來進行學習，期望能對學習效能起到改進的作用。
半監督學習可參考： 應用
強化學習
定義強化學習也是使用未標記的資料，但是可以通過某種方法知道你是離正確答案越來越近還是越來越遠(即獎懲函式)。強化學習解決的問題是，針對乙個具體問題得到乙個最優的策略，使得在該策略下獲得的獎賞最大。所謂的策略其實就是一系列動作。
強化學習可參考： 應用
機器學習學習筆記
2.機器學習書籍 機器學習tom,這個是老經典，就是翻譯欠佳 prml，這個書正版的超貴，但是比較新且系統，可以通過其他途徑搞個副本。3.自己動手編碼實現2 3種經典演算法，比如svm，lr，bpnn等。4.了解spark上目前支援的機器學習方法的用途和用法，這個在日常工作中會用到。知道的多一點，方...
機器學習 學習筆記
關於梯度下降演算法的優化與 會有三種方法優化梯度下降演算法 1.共軛梯度下降法 conjugate 2.變尺度法 bfgs 3.限制變尺度法 l bfgs 這些方法的好處是 1.不用選擇學習速率 2.收斂的速度快，執行效率高 但是她們的缺點在於 實現她們的方法太複雜，所以我們就可以使用語言的內建庫函...
機器學習 學習筆記
監督學習 我們的學習演算法使用的資料是給出正確答案的資料，然後我們執行學習演算法，出更多的正確答案。理解為像深度需學習類似，利用訓練樣本訓練處學習模型，然後用測試樣本對學習到的模型進行檢測，輸出 結果。無監督學習 可以理解為對於學習演算法所使用的資料集並沒有給出正確答案，學習演算法就是要對這資料集進...