摘要： 本文主要介绍了机器学习算法的主要学习分类和相关的子类别，如回归和聚类等等。

快速复习

在前一篇文章中，“机器学习第2周：项目方法学，”我写了关于算法学习分类。你会发现一些关于CRISP－DM方法的个人见解。

算法学习分类

当开始了KXEN的旅行时，并没有一个在数据挖掘或数据科学领域的谱系说明。我有技术支持和程序员的背景，因此，我理解了“算法”这个词在编程方面的含义，并且发现对于数据科学来说，也没有什么区别。

当还在学校的时候，我们就解决了代数问题，例如“找到通过两点（1，1）和（1, 2）之间直线的方程”或“找到函数f（x）＝x4-8×2＋5的最大值和最小值。

有很多算法可以帮助你去解决单一类型的问题，在机器学习项目中通常是由数据挖掘目标进行表示的。

所以，我们需要一种方法来组织算法的工具包。在这里，我将使用一种叫做“学习分类”的概念。

使用“学习分类”帮助你思考如何进行准备并使用你的数据来建立模型。最后，你会尝试选择最合适的算法来测试。

让我们来看看机器学习算法和相关的子类别的主要学习分类。

监督学习

使用监督学习，你将用一组标记过的数据来推导一个函数，其中结果（目标）是已知的。这个数据集也被称为训练数据集。

训练数据集可以被表示为由一个特征向量输入（或变量、维度）和相关联的输出值组成的数据对。

因此，监督学习算法的目标是分析训练数据，并产生一个函数，该函数可以对新的特征向量输入进行评分，并得到预测输出值。

这将要求算法从训练数据中对模式进行泛化（在推断函数中），以便以“合理”、正确的方式确定对任何新的和看不见的特征向量输入的输出值。

目前有大量的监督学习算法，它们各有各的的长处和短处。这意味着没有一个“全能”算法可以解决所有监督学习的问题。

你可以进一步对监督学习算法进行分组:

分类

这种方式适用于当目标被表示为一类的时候，如“真”和“假”或“A”和“B”的二元分类，或“A”，“B”，和“C”的一个多类别分类。

下图表描述了一个简单的分类示例，其中每个图标基于其输入值（x1和x2轴）进行定位，并基于输出值标记颜色。推断函数是绿线（这里是线性函数），每个问号是推断函数将被分配给一侧或另一个的新输入。

回归

这种方式适用于目标被表示为一个连续的数字的时候，比如财政收入、重量或温度时。

下图描述了一个简单的回归示例，其中每个标记基于其输入值（x轴）和输出值（y轴）来定位。推断函数是绿线，它可以为任何“X”输入值获得“Y”输出值。

时间序列预测

适用于当训练数据集表示一个信号或一系列的值时，在这里，你需要使用以前的数据来推断下一个N值。

有些人可能认为时间序列预测是一种回归，除了时间序列的推断函数将产生一系列的值，而不是在回归中的一个值。

另外，时间序列的数据集结构需要具有唯一值的“排序”列（通常是日期，但在某些情况下也可能是个增量列）

下面的例子显示了固定区间中的一系列点：标记为蓝色的点。时间序列算法推断函数（绿线）表示余弦函数，该余弦函数可用于预测后续5个值（红色的点）

综上所述，分类和回归的最大区别是目标变量（输出）的表达方式，其中一个是离散的（类别），而另一个是连续的。

无监督学习

与监督学习相反，使用无监督学习，你将使用一组未标记的数据（没有定义的结果）来推导出一个函数。

因此，推导函数是用来描述在数据中隐藏的底层结构和模式或分布。与监督学习不同，没有真正的方法来评估所找到的结构和模式的准确性或相关性。

你可以进一步对无监督学习算法进行分组:

聚类

这种类型的算法的适用情况是，当需要对比综合分布，而根据实体属性的“相似性”或“差别距离”来定义实体组（a.k.a.集群）时。每个聚类算法都有自己的分组策略，其基于距离中心的距离、组密度、组分布等，就像一些允许或防止重叠，或存在剩余项一样。

在下面的示例中，这个算法用到中心的距离定义了5个聚类。

关联规则

当使用事务性数据集将项目互相链接或将用户和项目链接时，可以应用这种类型的算法，而你的目标是提取有关关联的规则。一个常见的规则例子可以是当你购买Y时又买X。当然，规则可以在涉及多个项目或执行某个确定的序列的时间更长。

在下面的示例中，从一系列用户购物的交易中提取一组规则

其它的学习分类

半监督学习

在半监督学习中，只有一部分输入数据被标记了，这意味着算法必须通过结构学习来组织数据以及进行预测。

标记所有数据可能会变得费时费力，或者更糟的是，它们可能被错误地标记。

如果以一个图像库为例，只有一小部分图像将被标记。

因此，无监督学习和监督学习技术都被用来最好的利用未标记数据，将其与标记数据进行聚类或做出最佳的预测，并使用所有这些来构建模型。

增强学习

通过强化学习，该算法试图找到“最佳的方式”（一系列决策或行为）以获取最大的“回报”。

很典型的，在每一个步骤中，在导致一个回报和一个状态的环境中来做出决定。通过多次执行，该算法能够学习如何提高其决策能力和获得更大回报的能力。

总结

希望这篇文章有助于清除机器学习中的一些术语，并帮助读者们理解这些算法，你可以使用自己的训练数据（标记或未标记的）创建最好的“函数”，然后就可以应用到新的数据集上了。

以上为译文。

本文由阿里云云栖社区组织翻译。

文章原标题《Machine Learning in a Box (week 3): Algorithm Learning Styles》，译者：Mags，审校：袁虎。