Существует три типа машинного наклона:
- Контролируемое, неконтролируемое, полуконтролируемое и обучение с подкреплением
- онлайн-обучение против пакетного обучения
- 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