监督式学习、 非监督式学习、强化学习
Table of Contents
广义上来说，有3种机器学习算法
1. 监督式学习（Supervised Learning）
2. 非监督式学习（Unsupervised Learning）
3. 强化学习（Reinforcement Learning）
常见机器学习算法列表
广义上来说，有3种机器学习算法
1. 监督式学习（Supervised Learning）
工作机制：该算法由一个目标/结果变量（或因变量）组成，该变量由已知的一系列预测变量（自变量）计算而来。利用这一系列变量，我们生成一个将输入值映射到所需输出值的函数。该训练过程会持续进行，直到模型在训练数据上达到预期精确度。监督式学习的例子有：回归（Regression）、决策树（Decision Tree）、随机森林（Random Forest）、K最近邻（KNN）、逻辑回归（Logistic Regression）等等。
2. 非监督式学习（Unsupervised Learning）
工作机制：在该算法中，我们不预测或估计任何目标变量或结果变量。此算法用于不同组内的聚类分析，被广泛用于对不同群体的客户进行细分，从而进行特定的干预。非监督式学习的例子有：Apriori算法、K–均值算法。
3. 强化学习（Reinforcement Learning）
工作机制：该算法能够训练机器进行决策。其工作原理为：让机器处于一个能够通过反复试错来训练自己的环境中。机器从过去的经验中进行学习，并试图通过学习最合适的知识来作出精准的商业判断。强化学习的例子有：马尔可夫决策过程（Markov Decision Process）。
常见机器学习算法列表
下面是一些常用的机器学习算法。这些算法几乎可以应用于所有数据问题：
1. 线性回归（Linear Regression）
2. 逻辑回归（Logistic Regression）
3. 决策树（Decision Tree）
4. SVM
5. 朴素贝叶斯（Naive Bayes）
6. K最近邻（kNN）
7. K均值算法（K-Means）
8. 随机森林（Random Forest）
9. 降维算法（Dimensionality Reduction Algorithms）
10. 梯度提升算法（Gradient Boosting algorithms）
[1] GBM
[2] XGBoost
[3] LightGBM
[4] CatBoost
来源，侵删：https://mp.weixin.qq.com/s/bB7583hMU9DGIc4-PMMQXw
监督式学习、 非监督式学习、强化学习相关推荐
- 重拾强化学习的核心概念_强化学习的核心概念
重拾强化学习的核心概念 By Hannah Peterson and George Williams (gwilliams@gsitechnology.com) 汉娜·彼得森 ( Hannah Pet ...
- 强化学习入门系列一VS强化学习的基本概念
文章目录 强化学习的基本概念 1. 强化学习的算法步骤: 2. 强化学习和其他机器学习范式的不同 3. 强化学习的要素 a. 智能体 b. 策略函数 c. 值函数 d. 模型 4. 强化学习的环境类型 ...
- 基于模型的强化学习比无模型的强化学习更好？错！
作者 | Carles Gelada and Jacob Buckman 编辑 | DeepRL 来源 | 深度强化学习实验室(ID:Deep-RL) [导读]许多研究人员认为,基于模型的强化学习(M ...
- 操作系统中抢占式和非抢占式内核的区别
编排 | strongerHuang 微信公众号 | 嵌入式专栏 操作系统分为抢占式内核和非抢占式内核,通常RTOS都是抢占式内核. 下面就来讲讲抢占式内核和非抢占式内核的内容. 非抢占式内核 非抢占 ...
- 完美解释：wenet-流式与非流式语音识别统一模型
Unified Streaming and Non-streaming Two-pass End-to-end Model for Speech Recognition[1] ,本文以该篇论文为主线, ...
- 什么是强化学习？（主要的强化学习概念）
文章目录 什么是强化学习?(主要的强化学习概念) 4.主要的强化学习概念 4.1 基于模型与无模型(Model-based vs. Model-free) 4.2 预测(prediction)和控制( ...
- 【强化学习】《动手学强化学习》马尔可夫决策过程
[强化学习]<动手学强化学习>马尔可夫决策过程 一.随机过程.马尔可夫过程.马尔可夫奖励过程 二.马尔可夫决策过程 三.蒙特卡洛方法 四.最优策略与贝尔曼最优方程 一.随机过程.马尔可夫过 ...
- 初探强化学习(11)Dyna类型的强化学习
为什么研究Dyna类型的强化学习呢? 主要是因为这个类型的强化学习是融合了model-based和model free两个类型的强化学习. 主要参考的博客是这个.说实话,我也是时隔三天后,第三次看了这 ...
- 王树森强化学习笔记——多智能体强化学习
多智能体强化学习 想要了解更多强化学习的内容,推荐观看王树森教授的教学视频 深度强化学习(王树森) 设定 在之前的学习当中,我们讨论的都是单个智能体如何进行决策,然而现实中还存在需要同时控制多个智能体 ...
- Q学习（Q learning） 强化学习
Q学习(Q learning) 强化学习的简单例子 Matlab实现 可视化_Morty 的挖坑记录-CSDN博客 强化学习(MATLAB) - 叮叮当当sunny - 博客园
最新文章
- .NetCore Winform控制台 做HTTP Host，简易接口
- Cocos 2d-x 3.3版本升级 五大维度提升3D品质
- Activity、Task、应用和进程
- 为什么计算机中0.2+0.1不等于0.3！？
- gridview中js的绑定问题 一个js的函数[转]
- 程序状态字寄存器PSW
- Repast-边界控制
- com.lowagie.itext pom 2.1.7.js6
- 《HBase权威指南》读书笔记6:第六章 可用客户端
- 错位排列递推公式推导
- 后端开发常用工具指令
- matlab绘制三维图形,Matlab 应用之绘制三维图形（基础篇）（组图）
- 奇想大白话之《羊了个羊》为何火，技术很厉害吗？
- 龙芯Fedora21平台制作feodra21-tools docker镜像
- V8引擎如何回收内存以及如何优化
- 华为平板鸿蒙发布,华为新款平板与P50一同发布！有望搭载鸿蒙系统
- Python3.6新特性（部分）
- SPICE仿真工具学习（一）——SPICE仿真工具介绍
- 微信小程序固定顶部和底部
- C/C++调试用的宏定义