机器学习算法种类繁多，根据任务目标的不同，可以分为不同类型。为了帮助你快速理解并掌握机器学习中的核心算法，本文将系统梳理机器学习的算法类型、常见的分类算法以及预测算法，并附上实用的小提示和常见问题解答。

机器学习的算法类型

根据训练数据是否带有标记以及学习方式的不同，机器学习算法主要分为以下四大类：

• 1. 监督学习算法
  已知标记数据和相应的输出。算法从这些标记数据中学习映射关系，从而对新的输入数据预测输出。通常用于分类和回归任务。
• 2. 无监督学习算法
  没有标记数据。算法通过在数据中自动查找模式、聚类或降维来学习数据的结构。通常用于聚类和降维任务。
• 3. 半监督学习算法
  同时使用少量标记数据和大量未标记数据来学习数据集的结构。适合标记数据获取成本高、但未标记数据丰富的场景。
• 4. 增强学习算法
  基于奖励和惩罚的概念，算法通过试错学习如何做出正确的决策，以最大化累积奖励。常用于游戏、机器人控制等序列决策问题。