El aprendizaje automático se clasifica en general en supervisado , no supervisado , semi-supervisado .
La regresión y la clasificación se encuentran en el aprendizaje supervisado (la respuesta para todos los puntos característicos se mapean) y la agrupación se encuentra en el aprendizaje no supervisado (la respuesta no se dará para los puntos).
Regresión : si el valor de predicción tiende a ser un valor continuo, entonces cae dentro del problema de tipo Regresión en el aprendizaje automático
- ¿Qué debería aprender primero para el aprendizaje automático y la autoeducación: cálculo, probabilidad, estadística o álgebra lineal?
- ¿Cómo determina el reconocimiento facial al dueño de la cara que detecta?
- ¿Cuál es la diferencia entre el aprendizaje automático, el procesamiento del lenguaje natural, el aprendizaje profundo y la visión por computadora?
- ¿Hay alguna diferencia entre el algoritmo de retropropagación utilizado en la etapa de ajuste fino del autoencoder y el algoritmo típico de retropropagación?
- ¿Qué es una red neuronal convolucional?
Ejemplo: dar el nombre del área, el tamaño de la tierra, etc. como características y predecir el costo esperado de la tierra.
Clasificación : si el valor de predicción tiende a ser una categoría como sí / no, positivo / negativo, etc., entonces cae dentro del problema de tipo de clasificación en aprendizaje automático
Ejemplo: dada una oración que predice si es crítica negativa o positiva
Agrupación – Agrupando un conjunto de puntos para un número dado de agrupaciones.
Ejemplo: Dado que 3, 4, 8, 9 y el número de grupos son 2, el sistema ML podría dividir el conjunto dado en el grupo 1 – 3, 4 y el grupo 2 – 8, 9