机器学习的学习方式分为三种监督学习非监督学习强化学习1.监督学习核心有答案、有人教、照着学训练数据中有输入X),也有正确答案Y模型通过输入--对比正确答案--不断纠错下次遇到自己猜答案。简单来说就是有答案、有人教、照着学就好比我们做一个带有参考答案的练习题给你一个题目数据特征答案标签做多了下次不用看答案也会做就像我们小时候看图识物一样假如给你一个猫的图片一开始我们不知道这是猫但是有人告诉我们这是猫我们就记住了猫的一些特征有毛四条腿等下次遇到的时候我们就知道这是猫常见场景图像识别、垃圾分类、人脸识别、股票涨跌预测2.非监督学习核心没答案、规律自己找、自己分组非监督学习就像给你一堆东西你自己找规律数据输入X没有答案Y模型需要自己发现答案从数据里找相似性自动分类发现隐藏结构有点像等比等差数列求通项。假如我们给模型一堆猫啊狗啊的动物图片但不告诉它名字他能自己发现一些特征长得像的是一类有羽毛的是一类四条腿的是一类。再假设有一堆杂乱的衣服没人告诉我怎么分那我就会按颜色分类颜色一样的放一起总之就是在不带标签的的数据里自学自己找数据的内在规律和分组常见场景异常检测图片自动分组商品推荐聚类3.强化学习核心边试边学、试错学习越做越好智能体Agent在环境里不断试错一种奖惩机制做的好就给奖励下次还这样做就还会得到奖励慢慢学会最优做事策略。就像我们打王者的时候我们练英雄一样一开始不知道怎么连招可以打出最大化的伤害通过不断的练习试错然后得出一套连招出装也是如此常见常见自动驾驶机器人走路游戏AI
