简述各类机器学习问题

1.监督学习

监督学习,可以理解为通过学习已有数据特征和标签之间的关系,来预测新的数据特征所对应的标签。

1.1回归

在监督学习中,当标签可以取数据集中的任意数值时,我们将这个问题归为回归问题。

1.2分类

在监督学习中,如果标签只是取到一些有限的数值的话,我们将这个问题归为分类问题。

1.3搜索

从海量结果中,找到和用户输入最相关的一组有序的结果,并按照这个顺序呈现出来。

1.4推荐系统

将用户和他们可能喜欢的东西关联起来,并推送给这些用户。

1.5序列学习

输入之间是有关联的,通过一系列的输入,预测对应的输出结果。

2.无监督学习

只有数据,没有对应的标签的情况。

3.强化学习

数据来自于生产数据的环境,不管是监督学习,还是无监督学习,都是在数据脱离生产环境后的"离线学习"。而,强化学习是与环境实时交互的"在线学习"。

Reference:

1.《动手学习深度学习》

相关推荐
2202_756749691 分钟前
04 基于sklearn的机械学习-梯度下降(上)
人工智能·算法·机器学习
图灵学术计算机论文辅导28 分钟前
提示+掩膜+注意力=Mamba三连击,跨模态任务全面超越
论文阅读·人工智能·经验分享·科技·深度学习·考研·计算机视觉
Albert_Lsk1 小时前
【2025/08/01】GitHub 今日热门项目
人工智能·开源·github·开源协议
居然JuRan1 小时前
解锁GraphRAG:大模型背后的高效工作流
人工智能
牛客企业服务1 小时前
2025校招AI应用:校园招聘的革新与挑战
大数据·人工智能·机器学习·面试·职场和发展·求职招聘·语音识别
shilim1 小时前
这位老哥提交了一个12万行代码的PR,程序员看了都说LGTM
人工智能·github·代码规范
倔强青铜三1 小时前
苦练Python第38天:input() 高级处理,安全与异常管理
人工智能·python·面试
计算机科研圈2 小时前
不靠海量数据,精准喂养大模型!上交Data Whisperer:免训练数据选择法,10%数据逼近全量效果
人工智能·深度学习·机器学习·llm·ai编程
大模型真好玩2 小时前
深入浅出LangChain AI Agent智能体开发教程(六)—两行代码LangChain Agent API快速搭建智能体
人工智能·python·agent