机器学习的几种方法
-
监督学习
根据训练资料中建立一个模式，并依此模式推测新的实例。一般来讲监督学习的任务一般是分类和回归分析，往往需要人工预先准备好范例(训练资料)。
-
非监督学习
不同于监督学习，非监督学习仅对网络提供输入范例，会从这些范例中找到潜在类别规则，主要目的是对原始资料进行分类。
-
强化学习
强化学习强调如何基于环境而行动，以取得最大的预期利益。其灵感来源于心理学中的行为主义理论，即有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。
一些规范
n表示样本的维度，下标。m 表示样本数目，上标。