1、扩展阅读制作模板说明：
1、在重点知识点下，匹配相对应的扩展阅读内容，每章保证有1-2个扩展阅读。 2、每个知识点必须是《1.知识点与关键词解释》文档里出现的知识点模板：
知识点：机器学习的不同类型
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、 算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为, 以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
监督学习：监督学习是机器学习中的一种训练/学习方式，它指的是通过让机器 学习大量带有标签的样本数据，训练出一个模型，并使该模型可以根据输入得到 相应输出的过程，通过已有的一局部输入数
2、据与输出数据之间的对应关系，生成 一个函数，将输入映射到合适的输出，例如分类。
无监督学习：无监督学习指的是输入数据没有被标记，也没有确定的结果。样本 数据类别未知，需要根据样本间的相似性对样本集进行分类（聚类,clustering） 试图使类内差距最小化，类间差距最大化。通俗地说就是实际应用中，不少情况 下无法预先知道样本的标签，也就是说没有训练样本对应的类别，因而只能从原 先没有样本标签的样本集开始学习分类器设计，所以非监督学习目标不是告诉计 算机怎么做，而是让它（计算机）自己去学习怎样做事情。
弱监督学习：弱监督学习主要包括不完全监督、不确切监督和不精确监督，不完 全监督是指，训练数
3、据中只有一局部数据被给了标签，有一些数据是没有标签的; 不确切监督是指，训练数据只给出了粗粒度标签。我们可以把输入想象成一个包, 这个包里面有一些例如，我们只知道这个包的标签，但是我们不知道每个例如的 标签；不精确监督是指，给出的标签不总是正确的，比方本来应该是丫的标签被错误标记成了 No
深度学习：深度学习(deep learning)是机器学习的分支，是一种试图使用包 含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法，目前这一领域最主 流的方法是基于多层神经网络的方法。
强化学习：强化学习(Reinforcem
4、ent Learning, RL),又称再励学习、评价学 习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体(agent) 在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题, 或者可以认为强化学习是智能体以“试错”的方式进行学习，通过与环境进行交 互获得的奖赏指导行为，目标是使智能体获得最大的奖赏，强化学习不同于连接 主义学习中的监督学习，主要表现在强化信号上，强化学习中由环境提供的强化 信号是对产生动作的好坏作一种评价(通常为标量信号)，而不是告诉强化学习系 统如何去产生正确的动作。由于外部环境提供的信息很少，RLS必须靠自身的经 历进行学习。通过这种方式，强化学习系统在行动-评价的环境中获得知识，改 进行动方案以适应环境。
集成学习：在机器学习的有监督学习算法中，我们的目标是学习出一个稳定的且 在各个方面表现都较好的模型，但实际情况往往不这么理想，有时我们只能得到 多个有偏好的模型(弱监督模型，在某些方面表现的比拟好)。集成学习就是组 合这里的多个弱监督模型以期得到一个更好更全面的强监督模型，集成学习潜在 的思想是即便某一个弱分类器得到了错误的预测，其他的弱分类器也可以将错误 纠正回来。
浙ICP备2021020529号-1 | 浙B2-20240490 
