1.2.3 机器学习的分类

根据不同的划分角度，可以将机器学习划分为不同的类型。

（1）按任务类型划分

机器学习模型按任务类型可以分为回归模型、分类模型和结构化学习模型，具体说明如下。

1）回归模型：又叫预测模型，输出的是一个不能枚举的数值。

2）分类模型：又分为二分类模型和多分类模型。常见的二分类问题有垃圾邮件过滤，常见的多分类问题有文档自动归类。

3）结构化学习模型：此类型的输出不再是一个固定长度的值，如图片语义分析输出是图片的文字描述。

（2）按方法划分

机器学习按方法可以分为线性模型和非线性模型，具体说明如下。

1）线性模型：虽然比较简单，但是其作用不可忽视。线性模型是非线性模型的基础，很多非线性模型都是在线性模型的基础上变换而来的。

2）非线性模型：又可以分为传统机器学习模型（如SVM，KNN，决策树等）和深度学习模型。

（3）按学习理论划分

机器学习模型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，具体说明如下。

1）训练样本带有标签时是有监督学习。

2）训练样本部分有标签、部分无标签时是半监督学习。

3）训练样本全部无标签时是无监督学习。

4）迁移学习就是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。

5）强化学习是一个学习最优策略（Policy），可以让本体（Agent）在特定环境（Environment）中，根据当前状态（State）做出行动（Action），从而获得最大回报（Reward）。强化学习和有监督学习最大的不同是，每次的决定没有对与错，只是希望获得最多的累积奖励。