2.1机器学习三要素

模型+策略+算法

• 模型：总结数据的规律，用数学语言描述参数系统
• 策略：选取最优的评价准则
• 算法：选取最优模型的具体方法

2.2 机器学习方法分类

2.2.1 按监督分类

• 有监督学习 ：提供数据并提供数据对应结果的机器学习过程，主要分为：分类 和 回归

2.2.1.1 有监督学习

• 分类和回归
  当输出被限制为有限的一组值（离散数值）时，使用分类算法;
  当输出可以具有范围内的任何数值（连续数值）时使用回归算法

预测结果是「固定几个选项二选一 / 几选一」 → 分类算法
预测结果是「随便一个具体数字（可以带小数）」 → 回归算法

1）分类
模型能给出的答案早就被框死了，只有有限几种，不能随便出一个新数字、不能有中间状态。

• 特点：
  答案可数、固定、不连续
  只能从既定列表里挑一个

• 举例子全是分类：
  预测天气：只能是【晴天、阴天、下雨】3 种
  预测性别：只能【男、女】2 种
  预测股票：只能【上涨、下跌、横盘】3 种
  判断邮件：【垃圾邮件、正常邮件】
  识别图片：【猫、狗、人】

2）回归
模型要给出的答案是一个区间里的任意数字，可以是整数、可以是小数点，有无穷多种可能。

• 特点：
  数字连续、可无限细分
  没有固定选项，想输出多少是多少

• 举例子全是分类：
  预测明天气温：25.6℃、27.3℃（10~40 之间随便哪个数）
  预测房价：289.5 万、312.8 万
  预测明天股价：746.35 美元
  预测一个人身高：173.4cm

3）相似度学习
使用相似性函数从样本中学习，这个函数可以度量两个对象之间的相似度和关联度。

普通机器学习：学「是什么」（分类、回归）
相似度学习：学「像不像、近不近」
它不学固定标签，而是学习一种距离 / 相似关系。

2.2.1.2 无监督学习

提供数据并不提供数据对应结果的机器学习过程

2.2.1.3 强化学习

通过与环境交互并获取延迟返回，进而改进行为的学习过程

2.2.2 按模型性质分类

2.2.2 按算法分类