AIByDoing_机器学习综述及示例

1. 笔记

• 机器学习是实现人工智能的手段，而深度学习只是机器学习中的一种特定方法。
• 目前，我们通常所说的「机器学习」大致包含四大类：监督学习，英文为 Supervised Learning；无监督学习，英文为 Unsupervised Learning；半监督学习，英文为 Semi-supervised Learning；强化学习，英文为 Reinforcement Learning。
• 监督学习通常解决分类和回归问题，无监督学习主要解决聚类问题，其又被细分为数十种不同的算法。

• 无监督学习的「力量」是很大的，它不仅可以用于数据的聚类，同时还能帮助我们给数据集添加标签。

2. 总结

介绍了监督学习和无监督学习，监督学习主要用于解决回归和分类问题。

1. 回归：预测房价，预测股票价值等；
2. 分类：判断这是猫还是狗；

监督学习需要数据具备标签，这是巨大的工作量，这个世界上大部分数据是无标签的。所以无监督学习用于解决无标签数据的学习。

对于无标签数据的处理，第一步是先聚类，然后批量附上标签，进行监督学习。