Learning with different output space
機(jī)器學(xué)習(xí)按照輸出的結(jié)果，可以分為四類（老師講了四類糯崎，可能不止）：
- binary classification: 前面PLA做的就是這類問題土居，輸出是或者否的二分類問題雹有；
- multiclass classification: 多種分類問題忍级，例如平時(shí)做的單選題，要求從四個(gè)選項(xiàng)中輸出一個(gè)選項(xiàng)邮丰；
- regression: 回歸問題行您，返回實(shí)數(shù)區(qū)間中的一個(gè)實(shí)數(shù)；
- structured learning: 結(jié)構(gòu)分類剪廉，但是它的選擇區(qū)間是可數(shù)多個(gè)的娃循，區(qū)間中的每個(gè)元素可能代表某一種結(jié)構(gòu)。
Learning with different data label
機(jī)器學(xué)習(xí)按照數(shù)據(jù)集是否給出 y_n斗蒋，劃分成了三類：
- 監(jiān)督學(xué)習(xí)：所有的y_n都給出捌斧；
- 非監(jiān)督學(xué)習(xí)：不給出y_n；
- 半監(jiān)督學(xué)學(xué)習(xí)：給出部分的y_n吹泡；
- 強(qiáng)化學(xué)習(xí)：對(duì)于一個(gè)輸入骤星，如果機(jī)器返回的是我們想要的結(jié)果，就給予獎(jiǎng)勵(lì)爆哑，反之懲罰。強(qiáng)化學(xué)習(xí)是真正意義上的“教師”監(jiān)督學(xué)習(xí)舆吮，并且在某種意義上很像是online learning揭朝。
Learning with different protocol
機(jī)器學(xué)習(xí)按照資料給與的形式，分為了以下幾類：
- batch: 把資料一股腦地全部塞給機(jī)器色冀，對(duì)應(yīng)“填鴨式教學(xué)”潭袱；
- online：把資料一筆一筆地告訴機(jī)器，機(jī)器一次次改進(jìn) g锋恬；
- active: 當(dāng)機(jī)器能自行判斷時(shí)屯换，自行做出結(jié)果；當(dāng)機(jī)器不能進(jìn)行判斷，有疑惑時(shí)彤悔，像監(jiān)督人進(jìn)行詢問嘉抓；
Leaning with different space x
- concrete feature: 數(shù)據(jù)集中的 X 是具體的，信息豐富的晕窑，被人所加工過的數(shù)據(jù)抑片，it's easy learning.
- raw feature: X 是粗糙的、原始的杨赤，信息看起來不那么“顯然”敞斋，需要人去轉(zhuǎn)化成具體的；
- abstract feature：數(shù)據(jù)抽象疾牲，沒經(jīng)過任何處理植捎，需要轉(zhuǎn)化到raw feature甚至concrete feature。
