機器學(xué)習(xí)問題的類型

關(guān)于機器學(xué)習(xí)（已報名開課b 機器學(xué)習(xí)），有一些常見的分類。以下這些分類，是我們在研究機器學(xué)習(xí)時碰到的大多問題都會參考的典型。

• 分類：標(biāo)記數(shù)據(jù)，也就是將它歸入某一類，如垃圾/非垃圾（郵件）或欺詐/非欺詐（信用卡交易）。決策建模是為了標(biāo)記新的未標(biāo)記的數(shù)據(jù)項。這可以看做是辨別問題，為小組之間的差異性或相似性建模。

• 回歸：數(shù)據(jù)被標(biāo)記以真實的值（如浮點數(shù)）而不是一個標(biāo)簽。簡單易懂的例子如時序數(shù)據(jù)，如隨著時間波動的股票價格。這個建模的的決策是為新的未預(yù)測的數(shù)據(jù)估計值。

• 聚類：不標(biāo)記數(shù)據(jù)，但是可根據(jù)相似性，以及其他的對數(shù)據(jù)中自然結(jié)構(gòu)的衡量對數(shù)據(jù)進行分組?？梢詮囊陨鲜畟€例子清單中舉出一例：根據(jù)人臉，而不是名字，來管理照片。這樣，用戶就不得不為分組命名，如Mac上的iPhoto。

• 規(guī)則提?。簲?shù)據(jù)被用作對提議規(guī)則（前提/結(jié)果，又名如果）進行提取的基礎(chǔ)。這些規(guī)則，可能但不都是有指向的，意思是說，這些方法可以找出數(shù)據(jù)的屬性之間在統(tǒng)計學(xué)上有說服力的關(guān)系，但不都是必要的涉及到需要預(yù)測的東西。例如非常著名的啤酒與尿布.