Học có giám sát
- 1) Một con người xây dựng một phân loại dựa trên đầu vào và đầu ra dữ liệu
- 2) Trình phân loại đó được đào tạo với một tập dữ liệu
- 3) Trình phân loại đó được kiểm tra với bộ dữ liệu thử nghiệm
- 4) Triển khai nếu đầu ra đạt yêu cầu
Để được sử dụng khi "Tôi biết cách phân loại dữ liệu này, tôi chỉ cần bạn (trình phân loại) để sắp xếp nó."
Điểm của phương pháp: Để lớp nhãn hoặc tạo số thực
Học tập không giám sát
- 1) Một con người xây dựng một thuật toán dựa trên dữ liệu đầu vào
- 2) Thuật toán đó được kiểm tra với một bộ dữ liệu thử nghiệm (trong đó thuật toán tạo trình phân loại)
- 3) Triển khai nếu phân loại đạt yêu cầu
Để được sử dụng khi "Tôi không biết làm thế nào để phân loại dữ liệu này, bạn có thể (thuật toán) tạo một bộ phân loại cho tôi không?"
Điểm của phương pháp: Để lớp nhãn hoặc dự đoán (PDF)
Học tăng cường
- 1) Một con người xây dựng một thuật toán dựa trên dữ liệu đầu vào
- 2) Thuật toán đó thể hiện trạng thái phụ thuộc vào dữ liệu đầu vào trong đó người dùng thưởng hoặc trừng phạt thuật toán thông qua hành động mà thuật toán thực hiện, điều này tiếp tục theo thời gian
- 3) Thuật toán đó học được từ phần thưởng / hình phạt và tự cập nhật, điều này tiếp tục
- 4) Nó luôn được sản xuất, nó cần học dữ liệu thực để có thể trình bày các hành động từ các trạng thái
Được sử dụng khi "Tôi không biết cách phân loại dữ liệu này, bạn có thể phân loại dữ liệu này không và tôi sẽ cho bạn phần thưởng nếu nó đúng hoặc tôi sẽ trừng phạt bạn nếu không."
Đây có phải là loại dòng chảy của những thông lệ, tôi nghe rất nhiều về những gì họ làm, nhưng thực tế và gương mẫu thông tin là appallingly chút!