注意須知 <<
Previous Next >> 1.監督式學習之範例
關於機器學習
機器學習主要分為監督式學習、非監督式學習和強化學習三種方法。
監督式學習(Supervised Learning):
監督式學習是一種機器學習方法,它的目的是學習從輸入數據中推斷出對應的輸出結果,通常需要使用已知的標籤來進行模型訓練。在監督式學習中,模型需要學習如何從已知的輸入與輸出數據中推斷出一個映射函數,以便於將未知的輸入映射為一個對應的輸出。監督式學習常見的算法包括:線性回歸、邏輯回歸、支持向量機、決策樹、隨機森林、神經網絡等。
非監督式學習(Unsupervised Learning):
非監督式學習是一種機器學習方法,它的目的是從未標記的數據中學習到有意義的結構和模式,從而幫助我們理解數據的特點和分佈情況。在非監督式學習中,模型需要從數據中發現出潛在的規律性,例如聚類、降維、關聯規則挖掘等。非監督式學習常見的算法包括:k-means、層次聚類、主成分分析、獨立成分分析、自編碼器等。
強化學習(Reinforcement Learning):
強化學習是一種機器學習方法,它的目的是學習如何通過與環境的交互來最大化累積回報(reward)。在強化學習中,模型需要通過試錯的方式從與環境的交互中學習到最優的策略,以實現特定的任務。強化學習常見的算法包括:Q-learning、策略梯度、Actor-Critic 等。
注意須知 <<
Previous Next >> 1.監督式學習之範例