深度学习机器学习模型有哪些不同类型？

根据情况，机器学习算法使用或多或少的人为干预/强化来运行。四种主要的机器学习模型是监督学习、无监督学习、半监督学习和强化学习。

通过监督学习，计算机被提供一组标记的数据，使其能够学习如何完成人类任务。这是最不复杂的模型，因为它试图复制人类的学习。

通过无监督学习，计算机获得未标记的数据，并从中提取以前未知的模式/见解。机器学习算法有许多不同的方法可以做到这一点，包括：

聚类，其中计算机在数据集中找到相似的数据点并相应地对它们进行分组（创建“聚类”）。

密度估计，其中计算机通过查看数据集的分布方式来发现见解。

异常检测，其中计算机识别数据集中与其余数据明显不同的数据点。

主成分分析 （PCA），其中计算机分析数据集并将其汇总，以便可用于做出准确的预测。

通过半监督学习，计算机获得一组部分标记的数据，并使用标记数据执行其任务，以了解解释未标记数据的参数。

通过强化学习，计算机观察其环境并使用该数据来确定理想的行为，从而最大限度地降低风险和/或最大化回报。这是一种迭代方法，需要某种强化信号来帮助计算机更好地识别其最佳动作。