并列关系目录/流程序列

07

增强学习

主动学习

监督学习

迁移学习

利用模型的不确定性或不确定样本区域，主动地选择最具信息量的样本进行标注，以减少标注数据量并提高学习效果

深度学习

通过使用带有标签的训练数据，模型学习输入和输出之间的映射关系，以进行预测和分类

在没有标签的情况下，通过对数据进行聚类、降维或关联规则发现等技术，从数据中发现隐藏的结构和模式

结合有标签和无标签的数据进行学习，以提高模型性能和泛化能力，特别适用于数据标注成本高的情况

11

使用具有多个隐藏层的神经网络，通过逐层抽象和表示学习，实现对复杂数据的高级特征提取和模式识别

13

02

14

03

通过结合多个不同的基础模型或学习器的预测结果，从而达到更好的整体性能和泛化能力

16

05

通过让智能体在与环境的交互中采取行动，并根据奖励信号进行反馈，使其学会做出最佳决策以达到特定的目标

01

通过将已经学习到的知识和模型迁移到新的任务或领域，加速新任务的学习和提高性能

无监督学习

强化学习

15

半监督学习

08

04

10

06

12

09