Существует три основных типа машинного обучения: обучение с учителем, обучение без учителя и обучение с подкреплением.
1. Обучение с учителем. Обучение с учителем — это тип машинного обучения, при котором алгоритм обучается на помеченном наборе данных. Алгоритму предоставляются входные данные и соответствующие выходные данные, и цель состоит в том, чтобы изучить сопоставление входных данных с выходными. Обучение под наблюдением можно разделить на две категории:
- Регрессия. В регрессии выходные данные представляют собой непрерывное числовое значение, например, прогнозирование цены дома на основе его характеристик.
- Классификация: при классификации выходные данные представляют собой категориальное значение, например, определяющее, является ли электронное письмо спамом или нет.
2. Обучение без учителя. Обучение без учителя — это тип машинного обучения, при котором алгоритм обучается на немаркированном наборе данных. Цель состоит в том, чтобы найти закономерности или структуру в данных. Обучение без учителя можно разделить на две категории:
- Кластеризация. При кластеризации алгоритм группирует похожие точки данных вместе на основе их характеристик.
- Уменьшение размерности. При уменьшении размерности алгоритм уменьшает количество переменных в наборе данных, сохраняя при этом как можно больше информации.
3. Обучение с подкреплением. Обучение с подкреплением — это разновидность машинного обучения, при котором агент учится принимать решения на основе обратной связи со своей средой. Агент совершает действия в окружающей среде и получает обратную связь в виде вознаграждений или наказаний. Цель состоит в том, чтобы изучить политику, которая максимизирует совокупное вознаграждение с течением времени.
