一、監督學習 supervised learning
已有訓練樣本和分類器，通過訓練樣本來得到分類器的最佳模型，再利用這個模型來處理新樣本。
（1）分類
（2）回歸
（3）結構學習 structured learning
（4）深度學習
常見演算法：
反向傳播演算法 bp演算法
二、半監督學習 semi-supervised learning
少量標註樣本和大量未標註樣本。
三、無監督學習 unsupervised learning
沒有任何資料樣本，通過聚類的方式從資料中提取乙個特殊的結構，來對資料進行建模。
四、遷移學習 transfer learning
把已學訓練好的模型引數遷移到新的模型來幫助新模型訓練資料集。通俗來講，就是運用已有的知識來學習新的知識，核心是找到已有知識和新知識之間的相似性，用成語來說就是舉一反三。
常見演算法：
zero/one-shot learning
例如，已有中文到英文的對映和中文到韓文的對映，如何得到英文到韓文的對映？找到乙個好的特徵向量，使得同乙個單詞的英文、韓文、中文的向量在空間中距離足夠近即可。
五、強化學習 reinforcement learning
有樣本和獎勵訊號（說明產生的結果好或者不好）。
機器學習系統的種類
今天呢，對機器學習的種類進行介紹 從是否在人類監督下訓練，可以分為 監督式學習 無監督式學習 半監督式學習和強化學習 從是簡單地將新的資料點和已知的資料點進行匹配，還是像科學家那樣，對訓練資料進行模式檢測，然後建立乙個 模型，可以分為 基於例項的學習和基於模型的學習。下面呢，我們來看一下第一種分類。...
機器學習的種類及其主要任務
根據處理的資料是否具有標籤資訊，我們可以將機器學習分為監督學習 無監督學習 半監督學習 強化學習等幾種型別。通過讓機器學習大量帶有標籤的樣本資料，訓練出乙個模型，並使該模型可以根據輸入得到相應輸出的過程。監督學習的主要任務的分類和回歸。值為離散值的問題為分類，包括決策樹 支援向量機 樸素貝葉斯 整合...
機器視覺工程師的幾種型別
近日，有些準備步入機器視覺領域的同學會問到機器視覺的崗位定位，那麼以下對於機器視覺工程師的崗位定位做以下總結 一 機器視覺演算法開發工程師 機器視覺演算法開發工程師亦是底層演算法開發工程師，是機器視覺底層開發的人才，這類人才普遍要求會高一些，因為需要做的工作是從基層開發視覺系統，那麼需要對整個機器視...