「野生」技术卡丨机器学习的常见算法有哪几类？
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能核心，是使计算机具有智能的根本途径。
「野生」技术卡
机器学习的常见算法.
机器学习算法可以分为三大类:监督学习、无监督学习和强化学习。
在监督式学习下，输入数据被称为“训练数据”，每组训练数据有-个明确的标识或结果，如对防垃圾邮件系统中“垃圾邮件”“非垃圾邮件” ， 对手写数字识别中的“1“，”2“，”3“4“等。在建立预测模型的时候，监督式学习建立一 个学习过程，将预测结果与“训练数据”的实际结果进行比较,不断的调整预测模型,直到模型的预测结果达到一一个预期的准确率。
在非监督式学习中，数据并不被特别标识，学习模型是为了推断出数据的一些内在结构。常见的应用场景包括关联规则的学习以及聚类等。常见算法包括Apriori算法以及k-Means算法。
在强化学习下，输入数据直接反馈到模型，模型必须对此立刻作出调整。常见的应用场景包括动态系统以及机器人控制等。常见算法包括Q-Learning以及时间差学习(Temporal dference learning)
厚学推荐学校
