机器学习框架

概览

监督学习

有标签：从输入学习到答案的映射

• 回归：房价、销量、温度
• 分类：垃圾邮件、流失预测
• 线性/逻辑回归、树模型、KNN、SVM

无监督学习

无标签：发现数据自己的结构

• 聚类：K-Means、DBSCAN
• 降维：PCA、特征提取
• 异常检测、生成建模

强化学习

在环境中试错，用奖励塑造策略。

• Agent / Environment
• Action / Reward / Policy
• 游戏、机器人、推荐策略

通用方法：训练与解决问题

1. 定义目标与指标
2. 清洗数据与特征
3. 训练、验证、测试
4. 处理欠拟合 / 过拟合
5. 上线监控与重训

机器学习不是算法清单，而是“用数据解决问题”的完整工程方法。