Types of learning
基于个人理解。于我们在面对一个详细的问题时。可以依据要达到的目标选择合适的机器学习算法来得到想要的结果。比方，推断一封电子邮件是否是垃圾邮件，就要使用分类(classification)，那要达到分类的效果就要使机器学会怎么样去分类。这就是学习的过程。在学习的过程在又分为四大类：
1)监督学习 (supervised learning)
2)无监督学习(unsupervised learning)
3)半监督学习(semi-supervised learning)
4)增强学习 (reinforcement learning)
以下就是对4种学习进行概念上的区分：
1)监督学习：就是对于训练数据集中的每个输入样本 
。都有一个label 
比如给定一个包括1000封邮件的训练数据集，对于一封邮件都有一个相应的y={-1,1}
---分类问题，分成指定的多少类
---回归问题，得到一个详细的值
2)无监督学习：对于输入的训练数据，没有对其的类别进行标记。非经常见的是聚类问题，
如果数据是新闻报道，那么能够依据各篇报道中的keyword将其分成为体育类，財经类等
3)半监督学习：训练的数据是标记的和未标记的混合。为什么不都进行标记呢？在实际的问题中输入数据的数目过于
庞大。假设都进行人工标记的话。工作量将是巨大的。以下是一张图来表示这三种学习方式的不同
4)增强学习： 输入数据能够刺激模型做出反馈，反馈不仅从监督学习过程中得到，还从环境中奖励或惩处中得到。
关于增强学习能够參考这篇
版权声明：本文博客原创文章，博客，未经同意，不得转载。