type
status
date
slug
summary
tags
category
icon
password
范式 | 定义 |
监督学习（Supervised Learning） | 训练数据包括正确的结果（标签-label） |
无监督学习（Unsupervised Learning） | 训练数据不包括正确的结果 |
半监督学习/混合学习（Semi-supervised Learning） | 训练数据包括少量正确的结果 |
强化学习（Reinforcement Learning） | 根据每次结果收获的奖惩进行学习，实现优化 |
问题名称 | 定义 | 所属范式 | 所属范式原因 | 示例 | 常见算法 |
回归问题 | 预测连续输出变量，学习输入特征到连续值的映射 | 监督学习 | 需要带标签的连续输出数据，学习输入到连续值的映射 | 根据房屋面积、位置预测房价 | 线性回归、决策树回归、随机森林、SVR、神经网络 |
分类问题 | 预测离散类别标签，将输入数据分配到预定义类别 | 监督学习 | 需要带标签的离散类别数据，学习输入到类别标签的映射 | 判断图片是猫还是狗、识别手写数字（0-9） | 逻辑回归、SVM、决策树、随机森林、KNN、神经网络 |
聚类问题 | 将无标签数据分组为具有相似特征的簇 | 无监督学习 | 无标签数据，根据数据内在结构分组 | 将客户分组为不同市场群体 | K均值聚类、DBSCAN、层次聚类 |
降维问题 | 降低数据维度以提取主要特征或便于可视化 | 无监督学习 | 无标签数据，降低维度以提取主要特征或便于可视化 | 将高维数据降到2维以便可视化 | PCA、t-SNE、LDA、UMAP |
推荐系统 | 根据用户行为或内容预测用户偏好或推荐相关项目 | 监督/无监督/混合 | 可基于评分预测（监督）或用户/物品相似性（无监督）进行推荐 | Netflix推荐电影、电商推荐商品 | 协同过滤、矩阵分解、基于内容的推荐、神经网络 |
序列预测 | 预测时间序列或序列数据的下一值或趋势 | 监督学习/强化学习 | 通常基于历史数据预测序列（监督），或通过环境交互预测（强化） | 预测股票价格、生成自然语言文本 | RNN、LSTM、Transformer、ARIMA |
异常检测 | 识别数据中的异常点或不符合正常模式的数据 | 无监督/半监督学习 | 无标签数据寻找异常点，或用少量正常数据训练以检测异常 | 检测信用卡欺诈交易、识别设备故障 | 孤立森林、One-Class SVM、DBSCAN、GAN |
- 作者:ZhouZhou
- 链接:https://zzzero.site/article/23dfcf41-935f-8051-babb-d5ec292654a6
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。