机器学习算法的3种分类

机器学习算法的3种分类

机器学习(Machine Learning, ML)是人工智能的一个分支。ML可以说是对算法的研究或创建,算法可以随着数据的使用而发展。它的应用包括业务问题、数据科学和许多其他领域。ML侧重于创建一个程序,该程序可以从现实世界访问数据,并使用这些数据来改进和开发自身。

简单地说,ML将历史数据作为输入并提供输出,通常会用Python编写。

机器学习主要有:无监督、监督和半监督算法三种分类。下面就一起来了解一下吧。

监督学习

大多数机器学习算法都使用监督学习。

监督学习算法,必须输入任何种类的变量(例如x),然后产生输出变量Y。监督ML算法所做的是创建一个映射函数,以使从输入到输出,比如函数Y = f(X),其目的是将映射函数近似为新的输入数据,使其能够一致地预测特定数据的适当Y值。

无监督学习 

在无监督的ML算法中,您只需输入数据-无需提供任何输出变量。无监督ML算法的主要目的是对数据中的底层结构或分布建模,以获取更多数据。

他们之所以被称为“无监督”,是因为没有主人,也没有一个准确的答案。算法留给自己的设备来发现并呈现出数据中最有趣的结构。

半监督学习 

半监督算法大多数用在实际问题所在的地方,即用户拥有大量输入数据和少量数据(标为Y)的问题。这些类型的算法介于监督和非监督ML算法之间。

一个很好的例子是照片档案库,其中只有一些图像被标记(例如,狗,猫,人),而大多数图像未被标记。

发表评论

您的电子邮箱地址不会被公开。