机器学习算法的分类-德赢Vwin官网网

一、监督学习根据有无标签分类

根据有无标签，监督学习可分类为：传统的监督学习（Tradi tional Supervised Learning）、非监督学习（Unsupervised Learning）、半监督学习（Semi-supervised Learning）。

（1）传统的监督学习

传统的监督学习的每个训练数据均具有标签（标签可被理解为每个训练数据的正确输出，计算机可通过其输出值与标签对比进行机器学习）。传统的监督学习包括：支持向量机（Support Vector Machine）、人工神经网络（Neural Networks）、深度神经网络（Deep Neural Networks）。

（2）非监督学习

非监督学习的所有数据均没有标签。非监督学习假设同一类训练数据在空间中距离更近（个人理解：例如将若干含有两个变量的训练数据绘制于平面直角坐标系中，同一类训练数据在坐标系中的距离更近），计算机可根据样本空间信息，将空间距离更近的数据分为一类。非监督学习包括：聚类（Clustering）、EM算法（Expectation-Maximization Algorithm）、主成分分析（Principle Component Analysis）。

图片来源：中国慕课大学《机器学习概论》

（3）半监督学习

半监督学习中，一部分训练数据具有标签，一部分训练数据没有标签。因为随着互联网的普及，互联网中存在大量数据，将所有互联网数据进行标注的耗费较大，所以研究如何通过少量标注数据和大量未标注数据共同训练机器学习算法，即半监督学习成为机器学习的研究方向之一。

二、监督学习根据标签固有属性分类

根据标签固有属性，监督学习可被分为分类（Classification）和回归（Regression）。如果标签是离散的值，该种监督学习被称为分类；如果标签是连续的值，该种监督学习被称为回归。

图片来源：中国慕课大学《机器学习概论》

人脸识别属于监督学习中的分类。人脸识别的任务包括两个：其一是识别两张人脸图片是否为同一个人，开发人员可将两张人脸图片是同一个人的标签定义为1，将两张人脸图片不是同一个人的标签定义为0；其二是在多张人脸图片（也可以是多个人脸在一张图片中）识别某个人脸，开发人员可将每个人脸定义标签为一个数字，可根据数字1、2、3……N的顺序为每个人脸定义标签。以上人脸识别两个任务的标签均是离散的值。

图片来源：中国慕课大学《机器学习概论》

预测股票价格、预测房价、预测温度、预测年龄等问题属于监督学习问题中的回归问题。一般，股票、房价、温度、年龄变化的数据（个人理解：此处的数据可被理解为标签）可被视为连续的值。

虽然监督学习可被分为分类和回归，但分类和回归的界限是模糊的，二者可以相互转换，这是由于连续数据和离散数据是可以相互转换的。例如：如果将房价值四舍五入，得出一组离散的数据（标签），那么预测房价问题可属于分类问题。因此，一个可以解决回归问题的机器学习算法经过较少的改造可解决分类问题，反之亦然。

审核编辑：刘清

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

神经网络

神经网络

+关注

关注
42

文章
4771

浏览量
100708
计算机

计算机

+关注

关注
19

文章
7488

浏览量
87846
机器学习

机器学习

+关注

关注
66

文章
8406

浏览量
132554

原文标题：机器学习相关介绍（3）——机器学习算法的分类（下）

文章出处：【微信号：行业学习与研究，微信公众号：行业学习与研究】欢迎添加关注！文章转载请注明出处。

NPU与机器学习算法的关系

在人工智能领域，机器学习算法是实现智能系统的核心。随着数据量的激增和算法复杂度的提升，对计算资源的需求也在不断增长。NPU作为一种专门为深度学习

发表于 11-15 09:19 •430次阅读

【每天学点AI】KNN算法：简单有效的机器学习分类器

过程，其实就是一个简单的分类问题，而KNN（K-NearestNeighbors）算法正是模仿这种人类决策过程的机器学习算法。|什么是KNN

发表于 10-31 14:09 •297次阅读

人工智能、机器学习和深度学习存在什么区别

人工智能指的是在某种程度上显示出类似人类智能的设备。AI有很多技术，但其中一个很大的子集是机器学习——让算法从数据中学习。

发表于 10-24 17:22 •2479次阅读

LIBS结合机器学习算法的江西名优春茶采收期鉴别

以庐山云雾茶和狗牯脑茶的明前茶、雨前茶为对象，研究激光诱导击穿光谱结合机器学习的茶叶鉴别方法。将茶叶茶，水数据融合可有效鉴别春茶采收期，且数据融合后表现出更好的稳定性和鲁棒性，LIBS结合机器

发表于 10-22 18:05 •227次阅读

利用Matlab函数实现深度学习算法

在Matlab中实现深度学习算法是一个复杂但强大的过程，可以应用于各种领域，如图像识别、自然语言处理、时间序列预测等。这里，我将概述一个基本的流程，包括环境设置、数据准备、模型设计、训练过程、以及测试和评估，并提供一个基于Matlab的深度

发表于 07-14 14:21 •2156次阅读

深度学习中的时间序列分类方法

时间序列分类（Time Series Classification, TSC）是机器学习和深度学习领域的重要任务之一，广泛应用于人体活动识别、系统监测、金融预测、医疗诊断等多个领域。随

发表于 07-09 15:54 •871次阅读

机器学习算法原理详解

机器学习作为人工智能的一个重要分支，其目标是通过让计算机自动从数据中学习并改进其性能，而无需进行明确的编程。本文将深入解读几种常见的机器学习

发表于 07-02 11:25 •976次阅读

机器学习的经典算法与应用

关于数据机器学习就是喂入算法和数据，让算法从数据中寻找一种相应的关系。Iris鸢尾花数据集是一个经典数据集，在统计学习和

发表于 06-27 08:27 •1637次阅读

基于神经网络的呼吸音分类算法

出的方法与其他机器学习模型在不同情况下的性能和鲁棒性进行比较。1.用于初始模型检查的简单噪声二值分类实验。2.使用个体呼吸周期作为输入的4类异常分类。3.使用每个声音样本中有几个呼吸周

发表于 05-31 12:05

深度学习与度量学习融合的综述

如今，机器学习的应用广泛，包括人脸识别、医疗诊断等，为复杂问题和大量数据提供解决方案。机器学习算法能基于数据产生成功的

发表于 04-24 09:49 •420次阅读

机器学习怎么进入人工智能

，人工智能已成为一个热门领域，涉及到多个行业和领域，例如语音识别、机器翻译、图像识别等。在编程中进行人工智能的关键是使用机器学习算法，这是一类基于样本数据和模型训练来进行预测和判断的

发表于 04-04 08:41 •297次阅读

机器学习8大调参技巧

今天给大家一篇关于机器学习调参技巧的文章。超参数调优是机器学习例程中的基本步骤之一。该方法也称为超参数优化，需要搜索超参数的最佳配置以实现最佳性能。

发表于 03-23 08:26 •611次阅读

机器学习多分类任务深度解析

一对其余其实更加好理解，每次将一个类别作为正类，其余类别作为负类。此时共有（N个分类器）。在测试的时候若仅有一个分类器预测为正类，则对应的类别标记为最终的分类结果。

发表于 03-18 10:58 •1694次阅读

AI算法的本质是模拟人类智能，让机器实现智能化

德赢Vwin官网网报道（文/李弯弯）AI算法是人工智能领域中使用的算法，用于模拟、延伸和扩展人的智能。这些算法可以通过机器学习、深度

发表于 02-07 00:07 •5753次阅读

什么是特征工程？机器学习的特征工程详解解读

One-hot 编码对于用机器学习模型能够理解的简单数字数据替换分类数据很有用。

发表于 12-28 17:14 •297次阅读