【定義】輸入資料是由輸入特徵值和目標值所組成。函式的輸出可以是乙個連續的值（稱為回歸），或是輸出是有限個離散值（稱為分類）。
【例如】
分類 ： k-近鄰演算法、貝葉斯分類、決策樹與隨機森林、邏輯回歸
回歸 ： 線性回歸、嶺回歸
【定義】在機器學習中，無監督學習就是聚類，事先不知道樣本的類別，通過某種辦法，把相似的樣本放在一起歸位一類。
【例如】
聚類 ： k-means
是乙個基於值的強化學習演算法，它根據動作值函式評估應該選擇哪個動作，這個函式決定了處於某乙個特定狀態以及在該狀態下採取特定動作的獎勵期望值。
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...
機器學習 分類演算法
最優化理論基礎 分類演算法詳解 簡單例項講解樸素貝葉斯分類演算法 機器學習實戰 樸素貝葉斯 機器學習實戰 python3 基於概率論的分類方法 樸素貝葉斯 機器學習入門之決策樹演算法 決策樹演算法的基本原理 機器學習實戰 python3 決策樹id3 機器學習實戰 基於資訊理論的三種決策樹演算法 i...
機器學習演算法分類
4.了解了機器學習的各種類別，那麼每一種類別有哪些應用呢？機器學習 machine learning 是人工智慧 ai 重要的一部分，是實現人工智慧的乙個途徑。機器學習包含不同種類的演算法，而為了解決不同型別的問題，機器學習演算法可以分為特定的種類，我們要使用最適合的演算法來解決它最擅長的問題。學習...