Q1 机器学习如何分类
按照任务类型可分为：
「回归模型」：例如预测明天的股价。 「分类模型」：将样本分为两类或者多类。 「结构化学习模型」：输出的不是向量而是其他「结构。」
按照学习理论可分为：
「监督学习」：学习的样本「全部」具有标签，训练网络得到一个最优模型。 「无监督学习」：训练的样本「全部」无标签，例如「聚类样本。」 「半监督学习」：训练样本「部分」有标签。 「强化学习」：智能体与环境进行交互获得「奖励」来进行训练的一种模式，环境不会判断是否正确，而是会不断的反馈信号来「评价」智能体的行为。 「迁移学习」：运用已经训练好的模型对新的样本进行学习，主要是解决问题中样本过少的问题。
Q2 什么是判别式和生成式模型
「判别方法」
由数据直接学习「决策函数」Y=f(X),或者由条件分布概率P(Y|X)作为预测模型为判别模型。
常见的「判别模型」有线性回归、boosting、SVM、决策树、感知机、线性判别分析(LDA)、逻辑斯蒂回归等算法。
「生成方法」
由数据学习x和y的「联合概率密度分布函」数P(Y,X)，然后通过贝叶斯公式求出条件概率分布P(Y|X)作为预测的模型为生成模型。
常见的「生成模型」有朴素贝叶斯、隐马尔科夫模型、高斯混合模型、文档主题生成模型(LDA)等。
「举例」
判断一个动物是大象还是猫，记住大象是长鼻子就可以判别出哪个是大象，将大象和猫画出来与动物进行对比，那个像就是那个。
hi 认识一下？
❝微信关注公众号：「全都是码农」 (allmanong)
❞
你将获得：
关于人工智能的所有面试问题「一网打尽」!未来还有「思维导图」哦！
回复「121」 立即获得 已整理好121本「python学习电子书」。
回复「89」 立即获得 「程序员」史诗级必读书单吐血整理「四个维度」系列89本书。
回复「167」 立即获得 「机器学习和python」学习之路史上整理「大数据技术书」从入门到进阶最全本（66本)
回复「18」 立即获得 「数据库」从入门到进阶必读18本技术书籍网盘整理电子书（珍藏版）
回复「56」 立即获得 我整理的56本「算法与数据结构」书
未来还有人工智能研究生课程笔记等等，我们一起进步呀！