引言 浙大机器学习课程记录（Python）

• 计算机在与环境进行交互的过程中，逐步优化自身的行为方式

但并非完全如此

本部分重点阐述了监督学习

监督学习

---

（1）监督学习依据数据是否带有标签划分为：

传统监督学习（Traditional Supervised Learning）

非监督学习（Unsupervised Learning）

半监督学习（Semi-supervised Learning）

（2）根据标签本身的特性，按照其为连续型还是离散型进行划分：

分类问题

回归问题

基于标签存在分类的模型优化

传统监督学习

传统有监督学习 中每个训练样本均配备相应的标签信息

所涉及的算法类型包括

支持向量机 （SUPPORT VECTOR MACHINE）

人工神经网络（NEURAL NETWORKS）

深度神经网络（Deep Neural Networks）

非监督学习

在Unsupervised Learning 的框架下，所使用的训练数据均未附带相应的标签信息。

在Traditional Supervised Learning 中，数据通常具有明确的分类标识，例如X可表示某一类别，而圆形则代表另一类别。然而，在**U