按照任务类型可分为:
- 回归模型:例如预测明天的股价。
- 分类模型:将样本分为两类或者多类。
- 结构化学习模型:输出的不是向量而是其他结构。
按照学习理论可分为:
- 监督学习:学习的样本全部具有标签,训练网络得到一个最优模型。
- 无监督学习:训练的样本全部无标签,例如聚类样本。
- 半监督学习:训练样本部分有标签。
- 强化学习:智能体与环境进行交互获得奖励来进行训练的一种模式,环境不会判断是否正确,而是会不断的反馈信号来评价智能体的行为。
- 迁移学习:运用已经训练好的模型对新的样本进行学习,主要是解决问题中样本过少的问题。
人工智能更多面试问题关注公众号:我们都是码农 (allmanong),或者扫描下方二维码!
来源:oschina
链接:https://my.oschina.net/u/4329790/blog/3220621