机器学习算法包含哪两类

机器学习算法大致分为四类：决策矩阵算法、聚类算法、模式识别算法和回归算法。

如今，机器学习算法广泛用于为自动驾驶汽车中遇到的各种挑战创建解决方。 与汽车ECU（电子控单元）中的传感器结合处理数据将需要更多地利用机器学习来完成新任务。

潜在的应用包括通过融合来自各种外部和内部传感器（例如雷达、雷达、摄像和物联网）的数据来评估驾驶员状况和驾驶场景分类。 运行汽车信息娱乐系统的应用程序可以从传感器数据融合系统接收信息。 例如，如果车辆驾驶员受伤，它可以将车辆引导至医院。 这种基于机器学习的应用程序还包括驾驶员语音和手势识别以及语言翻译。

学习方法

算法分为无监督算法和监督算法，两者的区别在于学习方法。 监督算法使用训练数据集进行学习，并继续学习，直到达到所需的水平（最小化错误概率）。 监督算法可以分为分类、分类和异常检测或降维。 无监督算法尝试从可用数据中获取值。 也就是说，该算法在可用数据内生成关系以检测模式或根据数据集的相互相似性将数据集划分为子组。

无监督算法主要可以分为关联规则学习和聚类。 强化算法是另一类介于无监督学习和监督学习之间的机器学习算法。 每个训练示例都有一个监督学习目标标签。 无监督学习根本没有标签，而强化学习则包括时间延迟和稀疏标记的未来励。