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
Victory_orsh26 分钟前
“自然搞懂”深度学习系列(基于Pytorch架构)——02小试牛刀
人工智能·python·深度学习·神经网络·机器学习
tzc_fly29 分钟前
DeepSeek-OCR:上下文光学压缩
人工智能·计算机视觉·ocr
37手游后端团队31 分钟前
构建AI会话质检平台:技术架构与实践分享
人工智能·后端
哔哩哔哩技术39 分钟前
B站游戏大模型翻译实践 —— 我们如何用LLM撑起全年百万字本地化翻译任务
人工智能
longgyy40 分钟前
AI 开发告别 “孤岛”:MCP + 火山引擎
人工智能·火山引擎
珊瑚礁的猪猪侠42 分钟前
正则表达式入门到精通教程(Linux实操版)
linux·人工智能·正则表达式
星空的资源小屋42 分钟前
MkFont,一款开源免费的字体设计工具
网络·人工智能·pdf·电脑
mir frog1 小时前
DAY44 PYTHON 预训练模型
人工智能·深度学习·机器学习
yuzhuanhei1 小时前
机器学习算法常用算法
人工智能·算法·机器学习
子不语1801 小时前
深度学习——Logistic回归中的梯度下降法
深度学习