Существует несколько различных типов машинного обучения, которые можно разделить на три категории: обучение с учителем, обучение без учителя и обучение с подкреплением.
- Контролируемое обучение:
При обучении с учителем модель обучается на размеченных данных, где для каждого примера в обучающем наборе предоставляется правильный вывод. Модель делает прогнозы на основе этого сопоставления ввода-вывода. Примеры задач контролируемого обучения включают классификацию (например, определение того, является ли электронное письмо спамом или нет) и регрессию (например, прогнозирование цены дома на основе его характеристик).
2. Обучение без учителя:
При неконтролируемом обучении модель обучается на неразмеченных данных, где модель должна научиться идентифицировать закономерности и взаимосвязи в данных без явных указаний. Примеры задач обучения без учителя включают кластеризацию (например, группировку похожих точек данных) и обнаружение аномалий (например, выявление необычных закономерностей в данных).
3. Обучение с подкреплением:
При обучении с подкреплением модель обучается принимать решения в интерактивной среде, где модель получает обратную связь в виде вознаграждения или наказания за свои действия. Цель состоит в том, чтобы максимизировать совокупное вознаграждение с течением времени. Обучение с подкреплением часто используется в робототехнике и системах управления.
Существует также несколько подтипов машинного обучения, в том числе полууправляемое обучение (которое включает обучение модели на сочетании размеченных и неразмеченных данных), активное обучение (где модель может запрашивать дополнительные размеченные данные для повышения своей производительности) и онлайн-обучение. (где модель может учиться на данных в непрерывном потоке).
