所有機器學習的演算法可以分為4到5 類：
監督學習（supervised learning）
如果在學習的過程中，我們不斷的向計算機提供資料和這些資料所對應的值（標籤），通過指引的方式，讓計算機學習我們是如何把這些資料對應上所代表的物體，也就是讓計算機學習這些標籤可以代表那些，這種方式就叫做「監督學習（supervised learning）」
神經網路是一種監督學習演算法
非監督學習（un-supervised learning）
如果同樣在這種學習過程中，我們只給計算機提供貓和狗的，但是並沒有告訴他哪些是貓，哪些是狗，讓他自己去判斷和分類，讓她自己總結去兩種的不同之處，這就是「非監督學習（un-supervised learning）」，在這一種學習過程中，我們可以不用提供資料所對應的標籤資訊，計算機通過觀察各種資料之間的特性，會發現這些特性背後的規律，這些規律也就是非監督演算法學到的東西
半監督學習（semi-supervised learning）
還有一種方法綜合了監督學習和非監督學習的特徵，這種叫做「半監督學習（semi-supervised learning）」它主要考慮如何利用少量有標籤的樣本和大量沒標籤的樣本進行訓練和分類，
強化學習（reinforcement learning）
在規劃計算機的行為準則方面，一種機器學習方法叫做「強化學習（reinforcement learning）」也就是把計算機丟到乙個對於他完全陌生的環境或者讓他完成一項從未接觸過的任務，他自己會去嘗試各種手段，最後讓自己成功適應這一陌生環境，或者學會完成這件任務的方法途徑
遺傳演算法（genetic algorithm）
還有一種和強化學習演算法類似的學習方法，叫做遺傳演算法（genetic algorithm）這一種方法是模擬我們熟知的進化理論，淘汰弱者，適者生存，通過這種淘汰機制去選擇最優的設計或者模型
機器學習第一天
1.人工智慧在現實生活的應用 計算機 電子商務 案列 2.人工智慧的三要素 資料 演算法 計算力 3.cpu和gpu的對比 cpu主要適合i o密集型的任務 gpu主要適合計算密集型任務 什麼型別的程式適合在gpu上執行 計算密集型的程式 易於並行的程式 4.人工智慧 機器學習 深度學習 機器學習是...
機器學習 第一天
機器學習是用機器學習演算法來建立模型，當有新的資料過來時，可以通過模型來進行 機器學習前期主要靠符號學習，從前期的符號學習轉到最近的統計分析。很多科學家在科研方向思考的問題是電腦怎麼像人一樣去思考。人類的學習思考是依靠於過往的經驗，從過去的經驗中總結出背後的邏輯與規律，然後用這些知識去應對新的問題。...
學習第一天
知識是學會的,不是教會的 程式設計 驗證性或體驗性 創造性 學程式設計的4個階段 1.能看懂別人的 除錯別人的 2.能修改別人的 3.能拷貝別人的 做自己的事 4.能自己設計編寫 方法 多讀 做記錄 執行 修改 執行 練習,光說不練假把式 刷oj總結 寫部落格或許是個不錯的選擇 學生和已經工作的程式...