目录

监督学习

非监督学习

半监督学习

强化学习

懒散学习法

积极学习法

监督学习

1）训练数据有标柱类别；

2）指根据训练数据学习一个模型，然后能对后来的输入做预测；

3）输入变量和输出变量可以是连续的，也可以是离散的。若输入变量和输出变量均为连续变量，则称为回归；输出变量为有限个离散变量，则称为分类。

4）必须要有训练集与测试样本。在训练集中找规律，而对测试样本使用这种规律。

5）给定数据，预测标签。

非监督学习

1）训练数据无标柱类别；

2）没有训练集，只有一组数据，在该组数据集内寻找规律；

3） 非监督学习方法在寻找数据集中的规律性，并不一定要达到划分数据集的目的；

4）给定数据，寻找隐藏的结构

半监督学习

1）一部分是标记过的，而大部分是没有标记的；

2）成本较低，但又能达到较高的准确度。

强化学习

    1）训练数据无标柱类别。

懒散学习法

       在训练过程中不需要做许多处理。只有当新的未被分类的数据输入时，这类算法才会去做分类。

积极学习法

       会在训练中建立一个分类模型，当新的未分类数据输入时，这类学习器会把新数据也提供给这个分类模型。