(1)
(2)
(3)
按照学习形式将机器学习划分为监督学习, 无监督学习, 半监督学习, 强化学习, 深度学习
监督学习 (Supervised Learning) 表示机器学习的数据是带标记的, 这些标记可以包括数据类别, 数据属性及特征点位置等. 这些标记作为预期效果, 不断修正机器的预测结果.
无监督学习 (Unsupervised Learning) 表示机器学习的数据是没有标记的. 机器从无标记的数据中探索并推断出潜在的联系.
强化学习 (Reinforcement Learning) 是带有激励机制的, 具体来说, 如果机器行动正确, 将施予一定的 "正激励"; 如果行动错误, 同样会给出一个惩罚(也可称为 "负激励"). 因此在这种情况下, 机器将会考虑如何在一个环境中行动才能达到激励的最大化, 具有一定的动态规划思想.
深度学习就是一种实现这种机器学习的优秀技术. 深度学习本身是神经网络算法的衍生.
来源: http://www.bubuko.com/infodetail-3492820.html