监督学习

      数据特点：特征+标签

SRE实战 互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。

      模型：     主要为分类和回归算法  K近邻（KNN），决策树（DT）,朴素贝叶斯（NB），逻辑回归（LR）,线性回归（LR）,支持向量机（SVM）,集成算法（bagging算法和Boosting算法），神经网络

      监督学习又可以分为有参数的监督学习和无参数的监督学习

 

半监督学习(具体可参考周志华西瓜书)

     数据特点：特征+部分特征有标签

     模型：       半监督分类，半监督回归，半监督聚类，半监督降维

　　我觉得迁移学习其实也可以算是半监督学习，还有个模型概念：domain adaptation也符合半监督的数据特点！

 

无监督学习

     数据特点：只有特征

     模型：      降维算法（PCA,Kernel-PCA,流形学习LLE等），聚类算法（kmeans,DBscan,高斯混合聚类，Agens等），自编码，对抗生成网络（GAN），关联规则，word2vec，EM算法

              

扫码关注我们
微信号：SRE实战
拒绝背锅 运筹帷幄