机器学习分类

1数据集合
    scikit-leaning
    数据集合　data set  样本  sample 特征   feature
分类任务（二分类）分辨垃圾邮件，分辨股票涨跌
    多分类任务，数字识别，图像识别，判断发送给客户信用卡的风险　2048自动
        游戏，下围棋游戏分类任务。自动驾驶（多分类问题）
    多分类任务可以转换成二分类

回归任务：结果是一个连续的值，而非一个类别
    有的回归问题可以简化成分类任务

２，监督学习，
非监督学习：
    意义：对数据进行降维处理
        特征提取：信用卡的信用评级和人的胖瘦无关？
        特征压缩：PCA
    用处：
        降维，异常检测
半监督学习：
    一部分有标记，一部分数据没有
    各种原因导致标记缺失
    先用无监督进行处理，然后用监督
增强学习：
    在环境中进行学习加强反馈
     应用：机器人

３．机器学习其他分类
批量学习
在学学习    优点：及时反应环境＃需要加强数据监控
参数学习
非参数学习  

机器学习分类

原文：https://www.cnblogs.com/sky-ai/p/9690733.html