**機(jī)器學(xué)習(xí)的方法包括: **
監(jiān)督學(xué)習(xí) supervised learning;
非監(jiān)督學(xué)習(xí) unsupervised learning;
只有數(shù)據(jù)，沒有標(biāo)簽半監(jiān)督學(xué)習(xí) semi-supervised learning;
主要考慮如何利用少量，有標(biāo)簽的 樣本 和 大量沒有標(biāo)簽樣本進(jìn)行訓(xùn)練和分類強(qiáng)化學(xué)習(xí) reinforcement learning;
把計(jì)算機(jī)丟到一個(gè)對(duì)于它完全陌生的環(huán)境 或者 讓它完成一項(xiàng)從未接觸過的任務(wù)，它自己會(huì)去嘗試各種手段，最后讓自己成功適應(yīng)這一個(gè)陌生的環(huán)境----從經(jīng)驗(yàn)中總結(jié)提升遺傳算法 genetic algorithm.
模擬我們熟知的進(jìn)化理論，淘汰弱者，適者生存，通過淘汰機(jī)制去選擇最優(yōu)的設(shè)計(jì)或模型
人工神經(jīng)網(wǎng)絡(luò)靠的是正向和反向傳播來更新神經(jīng)元, 從而形成一個(gè)好的神經(jīng)系統(tǒng), 本質(zhì)上, 這是一個(gè)能讓計(jì)算機(jī)處理和優(yōu)化的數(shù)學(xué)模型. 而生物神經(jīng)網(wǎng)絡(luò)是通過刺激, 產(chǎn)生新的聯(lián)結(jié), 讓信號(hào)能夠通過新的聯(lián)結(jié)傳遞而形成反饋.
