[人工智能]【深度学习】监督学习、非监督学习和强化学习的简单定义，回归问题和分类问题的区别

学习笔记，供自己查看

1. 监督学习【有人在监督你】【主流 】

• 对已经标记的数据样本进行学习
• 对样本外的数据进行标记预测
• 标记的含义：人为指定每一个样本的类别
  比如人为标记每一封邮件，然后对新来的邮件判断是否为垃圾邮件。

2. 非监督学习

• 对没有标记的训练样本进行学习，发现其中的结构性知识
  如购买商品的顾客，买西瓜的是一类，买珠宝的是一类

3. 强化学习

• 机器人不断根据环境做决策
• 环境根据决策进行奖励或者惩罚
• 机器人就根据环境给予的反馈来学习

4. 回归问题和分类问题

拿到任何问题都要确定是分类还是回归，再进行机器学习和深度学习的处理
分类：【离散问题】

• 把数据集分到某一类
• 对于数据点，目标是找到它属于
• 比如三分类，三种情况，{0，1，2}

回归【连续问题】：

• 曲线拟合连续的值
• 拟合任意的函数结果