Существует три типа машинного наклона:

  1. Контролируемое, неконтролируемое, полуконтролируемое и обучение с подкреплением
  2. онлайн-обучение против пакетного обучения
  3. на основе экземпляра и на основе модели

Под наблюдением:

  • обучающие данные, которые вы передаете алгоритму, включают в себя желаемое решение, называемое метками
  • Регрессия, классификация, kNN, SVM, дерево решений, случайный лес и нейронная сеть — это контролируемые алгоритмы машинного обучения.

Без присмотра:

  • тренировочные данные не помечены
  • kmeans, DBSCAN, иерархическая кластеризация, SVM одного класса, изолированный лес, PCA, алгоритмы априорного машинного обучения без учителя

Полуприсмотр:

  • имеет дело с частично размеченными данными, обычно много неразмеченных данных и немного размеченных данных

Армирование

  • Обучающаяся система, называемая агентом, может наблюдать за окружающей средой, выбирать и выполнять действия и получать взамен вознаграждение или штрафы.
  • должен учиться сам на основе политик
  • политика определяет, какое действие должен выбрать агент

Пакетное обучение

  • также называется «офлайн-обучение».
  • Сначала система обучается на всех данных и запускается в продакшн без обучения. Он просто применяет то, чему научился

Онлайн обучение

  • Вы можете обучать систему постепенно, последовательно загружая экземпляры данных либо по отдельности, либо небольшими группами, называемыми мини-пакетами.
  • Каждый шаг обучения является быстрым и дешевым, поэтому система может узнавать о новых данных на лету.
  • Система может быстро адаптироваться к новым данным, но склонна быстро забывать старые данные.

На основе экземпляра:

  • мера сходства
  • система изучает примеры, а затем обобщает новые случаи, сравнивая с изученными примерами.

Модельный

  • Чтобы построить модель, а затем использовать модель для прогнозирования