机器学习系统分类

• 根据学习方式：
  监督学习系统：从有标签数据中学习并进行预测或分类。
  无监督学习系统：从无标签数据中学习并发现数据的隐藏结构或模式。
  半监督学习：它结合了监督学习和无监督学习的特点。在半监督学习中，训练数据集中同时包含有标签和无标签的数据。
  在半监督学习中，利用有标签数据来指导模型学习，同时利用无标签数据来提取数据的潜在结构和模式。通过结合有标签数据和无标签数据，半监督学习旨在提高模型的泛化能力和性能。
  强化学习系统：通过与环境互动来学习并进行决策，以最大化收益。

• 根据应用领域：
  计算机视觉系统：处理图像和视频数据，包括图像识别、目标检测等。
  自然语言处理系统：处理文本和语言数据，包括机器翻译、情感分析等。
  生物医学系统：应用于医学领域，如疾病诊断、药物发现等。

• 根据部署方式：
  在线学习系统：实时地从数据流中学习和适应的系统，如在线广告投放、金融交易监测等。
  离线学习系统：离线批处理处理数据的系统，如数据挖掘、批处理分析等。

• 根据功能模块：
  嵌入式机器学习系统：集成在嵌入式设备中，如智能手机、传感器、无人机等。 云端机器学习系统：部署在云平台上，提供大规模的计算和存储资源，如云端智能服务、大数据分析等。