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
蒜鸟~蒜鸟~17 分钟前
K 均值聚类:从概念到实践的无监督学习之旅
机器学习
小饼干超人38 分钟前
【cs336学习笔记】[第6课]内核优化与Triton框架应用
深度学习·大模型·推理加速
技术与健康44 分钟前
LLM实践系列:利用LLM重构数据科学流程07 - 工程化实践与挑战
人工智能·机器学习·重构·大模型工程化实践
MobotStone1 小时前
AI Agent工程师≠Prompt工程师:能力断层在哪
人工智能
深瞳智检1 小时前
目标检测数据集 第007期-基于yolo标注格式的茶叶病害检测数据集(含免费分享)
人工智能·深度学习·yolo·目标检测·计算机视觉
区块链蓝海1 小时前
UPCX与日本电信公司NTT就新一代去中心化支付系统签署合作协议
人工智能·web3·区块链
berling001 小时前
【论文阅读 | arXiv 2025 | WaveMamba:面向RGB-红外目标检测的小波驱动Mamba融合方法】
论文阅读·人工智能·目标检测
CHEN5_021 小时前
时序数据库选型“下半场”:从性能竞赛到生态博弈,四大主流架构深度横评
数据库·人工智能·ai·架构·时序数据库
top_designer1 小时前
作品集PDF又大又卡?我用InDesign+Acrobat AI构建轻量化交互式文档工作流
人工智能·pdf·自动化·设计规范·acrobat·indesign·交互式pdf
涡能增压发动积2 小时前
MySQL数据库为何逐渐黯淡,PostgreSQL为何能新王登基
人工智能·后端