Real Data

机器学习算法如何分类？
并非所有机器学习算法都是一样的。每种算法都采用不同的方法来训练和分类数据。但是，这些方法大致可分为以下四类。

1.监督学习
监督学习

当您拥有一个已被分类到标记组 保加利亚手机号码数据库 的数据集，并且该数据集用于训练算法对新数据进行分类时，该算法就是监督学习算法。

该算法将其输出与正确输出进行比较。它修改模型的参数以产生更准确的结果。一旦训练完成，模型就可以正确地对未来的数据进行分类。

您在机器学习教程中遇到的大多数算法都属于这一类。例如，过去的交易可用于区分交易是否为欺诈。

2.无监督学习
无监督学习
无监督学习来源 – 维基百科
与监督学习相反，这里的数据没有标签。算法必须识别模式和结构并创建适当的集群。算法的任务是识别数据集内的关系。

无监督学习用于根据交易或购买历史对相似的客户进行分类，识别异常值、提出产品推荐等。

3.半监督学习
如果你有一个需要分类为标记输出的数据集，但没有足够的标记数据来训练该数据集，你会怎么做？半监督学习正是为这些情况而设计的。

你向算法输入少量标记数据以及大量未标记数据。标记数据很昂贵，而且可能并不总是可用。半监督学习非常适合这些情况

4.强化学习
强化学习
强化学习来源 – 维基百科
简而言之，强化学习就是通过反复试验进行学习。算法会提供未标记的数据。但是，做出正确的决定会有奖励，而做出错误的决定则会受到惩罚。

算法必须想出一个最大化回报的策略。算法在训练和学习做出正确决策的过程中会变得更加聪明。

强化学习是您在机器学习教程中会遇到的最令人兴奋的算法之一。


最常见的机器学习算法
机器学习初学者教程将涵盖各种各样的算法。机器学习算法可谓应有尽有。

但是，你不需要学习所有这些算法。你需要了解这些算法。这将帮助你弄清楚哪种算法适用于哪种情况。

你应该至少精通几种算法。为此，请选择你所在行业中最常用的算法。这将对你的职业发展有所帮助。

以下是一些最常用的机器学习算法。