下载掌阅APP，畅读海量书库
立即打开
按照不同的分类标准，机器学习有不同的分类。
（1）按任务类型划分，机器学习可以分为回归模型、分类模型和结构化学习模型。回归模型是预测模型，其输出是一个不能枚举的数值；分类模型又可分为二分类模型和多分类模型；结构化学习模型的输出不是一个固定长度的值，而是图片的文字描述。
（2）按方法的角度划分，机器学习可以分为线性模型和非线性模型。线性模型较为简单，但使用时条件严格，线性模型是非线性模型的基础；非线性模型又可分为传统机器学习模型（如支持向量机、 k 近邻、决策树等）与深度学习模型。
（3）按学习理论划分，机器学习可以分为有监督学习、半监督学习、无监督学习、迁移学习和强化学习。当训练样本带有标签时是有监督学习；当训练样本部分有标签，部分无标签时是半监督学习；当训练样本全部无标签时是无监督学习。迁移学习是指把已经训练好的模型参数迁移到新的模型上以帮助新模型训练；强化学习是一个学习最优策略，可以让机器在特定环境中，根据当前状态做出行动，从而获得最大回报。强化学习和有监督学习最大的不同是，强化学习每次的决定没有对与错，而只希望获得最多的累计奖励。