第二章机器学习概述 1.2机器学习的分类

1、以下四个机器学习的任务，如何分类？
（1）教计算机下棋；
（2）垃圾邮件识别，教计算机自动识别某个邮件是否是垃圾邮件；
（3）人脸识别，教计算机通过人脸的图像识别这个人是谁；
（4）无人驾驶，教计算机自动驾驶汽车从一个指定地点到另一个指定地点。

答：从划分标准经验E来看，
（2）、（3）中的经验E是完全由人搜集起来输入进计算机的，
把告诉计算机是什么的过程，叫做为训练数据打标签，
经验E---->训练样本和标签的集合,
称为监督学习。
（1）、（4）中的经验E是由计算机与环境互动获得的，
计算机产生行为，同时获得这些行为的结果，人类的程序只需要定义这些行为的收益函数，设计算法让计算机改变自己的行为模式去最大化收益函数，
计算机通过与环境的互动逐渐强化自己的行为模式，称为强化学习。

2、机器学习算法的分类？

答：监督学习、强化学习。
但是，这种划分并不绝对，因为ALPHAGO就首先采用监督学习高手对决得出初始围棋程序，然后再对初始围棋程序进行强化学习提升棋力

3、监督学习根据数据标签存在与否的分类？

答：
（1）传统的监督学习----每一个训练数据都有对应的标签；
算法包括：
----支持向量机
----人工神经网络
----深度神经网络
（2）非监督学习----所有训练数据都没有对应的标签

第二章机器学习概述 1.2机器学习的分类

算法包括：
----聚类
----EM算法
----主成分分析