04_机器学习算法
机器学习的算法目的是找到一种数学模型符合描述的对象。
常见的有三种机器学习的方法: 主要取决于数据的类型
A. 有监督的学习
学习的数据是有人类标识的数据,比如说看X光片,识别猫。
已有的数据结果是知道的,目标是找特征与标签(结果)的关系。
像AlphaGo学习以前的棋局也是这样。 缺点是人工的数据有限。
B. 无监督学习
无标签的数据,没有答案,往往大量杂乱的数据是这样,寻找类似的特征向量集合在一起。
比如分离两种声音,自动跟踪学习天体运动规律等。
适合数据量大,不提前标识数据,靠计算机自己训练模型。
C. 强化学习
事前没有人工标识的数据,通过人工的反馈来训练模型,比如特斯拉的自动驾驶,
可以通过人为的反馈来知道自己做对了还是做错了。
这个很像训练小孩,做得对就表扬,错就惩罚,时间长了小孩就会朝好的方向发展,数学模型也一样。
你希望用机器学习解决什么问题呢? 我希望能建立一个模型当有任务来的时候帮我安排到日程表
fliky
时间: 2024-11-05 15:54:57