监督机器学习
监督机器学习又称为监督式机器学习。该方法使用标记数据集来创建以最准确的方式对数据进行分类或预测结果的算法。
监督机器学习技术有助于解决许多现实生活中的问题。例如，将垃圾邮件分类到与收件箱分开的文件夹中。
无监督机器学习
无监督机器学习——也称为 WhatsApp 筛查 无监督机器学习。它使用算法来分析和聚类未标记的数据集。这有助于在无需人工干预的情况下发现隐藏的模式或数据组。
发现信息中的相似性和差异性的能力使得无监督机器学习成为数据分析最理想的机器学习方法。此外，它还可以识别与您的客户群相关的图像和数据……
无监督机器学习也用于通过 用数据 进行备份 降维算法减少模型中的特征数量。主成分分析（PCA）和奇异值分解（SVD）是该方法的两种流行方法。
半监督机器学习
半监督机器学习——半监督机 布韦岛商业指南 器学习为连接无监督机器学习和监督机器学习提供了最佳解决方案。在实现过程中，它使用较小的标记数据集对较大的未标记数据集进行分类和提取特征。
此外，半监督机器学习也有助于解决标记数据不足的问题。目标是高效、快速地训练监督学习算法。