机器学习的分类

最新推荐文章于 2025-07-08 20:25:17 发布

原创最新推荐文章于 2025-07-08 20:25:17 发布 · 4.3k 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #分类 #神经网络

数学专栏收录该内容

1 篇文章

订阅专栏

                    
                    根据任务类型：

监督学习任务：从已标记的训练数据来训练模型。 主要分为：分类任务、回归任务、序列标注任务。

无监督学习任务：从未标记的训练数据来训练模型。主要分为：聚类任务、降维任务。

半监督学习任务：用大量的未标记训练数据和少量的已标记数据来训练模型。

强化学习任务：从系统与环境的大量交互知识中训练模型。
根据算法类型：

传统统计学习：基于数学模型的机器学习方法。包括 SVM 、逻辑回归、决策树等。这一类算法基于严格的数学推理，具有可解释性强、运行速度快、可应用于小规模数据集的特点。

深度学习：基于神经网络的机器学习方法。包括前馈神经网络、卷积神经网络、递归神经网络等。这一类算法基于神经网络，可解释性较差，强烈依赖于数据集规模。但是这类算法在语音、视觉、自然语言等领域非常成功。