根据过去有关垃圾邮件的信息

• • 回归：回归问题是指输出变量是真实值，例如“卢比”或“高度”。
• 示例：，将新收到的电子邮件过滤到 收件箱（正常）或垃圾邮件文件夹 （垃圾邮件）中

无监督学习

• 在无监督学习中，算法依靠自身的力量去发现数据中有趣的结构。从数学上讲，无监督学 企业电子邮件列表 习是指只有输入数据 (X) 而没有相应的输出变量。之所以称之为无监督学习，是因为与上述监督学习不同，它没有给定的正确答案，而是由机器自己找到答案。无监督学习问题可以进一步分为关联问题和聚类问题。
  • 关联：关联规则学 使得在建筑工地的任何 问题是您想要发现描述大量数据的规则，例如“购买 X 的人也倾向于购买 Y”。
  • 聚类：聚类问题是指您想要发现数据中的固有分组，例如按购买行为对客户进行分组。
• 示例：您有一堆 6 个人的照片，但 不知道其中谁是谁 ，并且想要 将这个数据集分成 6 堆，每堆包含一个人的照片。

强化学习

• 计算机程序会 与动态环境进行交互，并在其中执行特定目标（例如与对手玩游戏或驾驶汽车）。程序在探索问题空间时，会获得奖励和惩罚等反馈。通过这种算法，机器可以进行训练，做出特定的决策。其工作原理如下：机器被置于一个环境中，并不断通过反复试验进行自我训练。
• 算法会提供答 邮寄线索案是否正确的信息，但不会提供如何改进答案的信息。强化学习器必须尝试不同的策略，看看哪种策略效果最佳。该算法会搜索可能的输入和输出的状态空间，以最大化奖励。
• 例如：在制造业中，机器人利用深度强化学习从盒子中取出一个设备并将其放入容器中。无论成功还是失败，它都会记住该设备，获得知识，并训练自己以极快的速度和精度完成这项工作。