机器学习算法类型

监督学习

在有标号的数据里进行预测训练

自监督学习（word2vec，BERT）

标号来自数据本身

半监督学习（自训练）

在有标号和无标号的数据里训练，学习模型会预测标号，或推测无标号的数据的标号

无监督学习（clustering，GAN）

在无标号的数据上训练

强化学习

利用与环境交互得到的观察结果采取行动以最大化收益

监督学习（最常见）的组成

模型

根据输入获得输出预测（listing house->sale price）

损失Loss

预测值与真实值之间的差异
（预测价格-真实价格）^2

目标objective

最小化损失函数

优化optimization

将模型中没指定（可以学习）的参数确定下来，使损失最小化

监督学习模型的类型

• 决策树：用树做决策
• 线性模型：根据输入的线性组合做出决定
• 核方法：用核函数计算特征相似度
• 神经网络：用神经网络学习特征表示

总体关系如下所示