上网搜索了许多方法，最终还是采用了vscode和latex本地编译的方法，能够很快地编译出pdf，中间遇到了许多报错，现在记录下来，方便复习。

9、集成学习 ensemble learning通过构建并结合多个学习器来完成学习任务，有时也称为多分类器系统multi-classifier system、基于委员会的学习committee-based learning同质homogeneous集成：集成中只包含同种类型的个体学习器，其中的个体学习器亦称基学习器，相应的学习算法称为基学习算法异质heterogeneous集成：包含不同类型的个体

机器学习主要类型（三）：半监督学习 Semi-Supervised Learning让学习器不依赖外界交互、自动地利用未标记样本来提升学习性能未标记样本虽未直接包含标记信息，但若它们与有标记样本是从同样的数据源独立同分布采样而来，则它们所包含的关于数据分布的信息对建立模型将大有裨益半监督学习可进一步划分为纯（pure）半监督学习和直推学习 （transductive learning），前者假定训

9、集成学习 ensemble learning通过构建并结合多个学习器来完成学习任务，有时也称为多分类器系统multi-classifier system、基于委员会的学习committee-based learning同质homogeneous集成：集成中只包含同种类型的个体学习器，其中的个体学习器亦称基学习器，相应的学习算法称为基学习算法异质heterogeneous集成：包含不同类型的个体

flatten()：压缩维度；transpose()：转置（两个维度）；permute()：按照指定维度排列进行转置（多个维度）

6、贝叶斯分类6.1贝叶斯决策论Bayesian decision theory概率框架下实施决策的基本方法。对分类任务来说，在所有相关概率都已知的理想情形下，贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记。贝叶斯判定准则Bayes decision rule：为最小化总体风险，只需在每个样本上选择那个能使条件风险最小的类别标记，即，h* 称为贝叶斯最优分类器Bayes optim

10、规则学习 rule learning从训练数据中学习出一组能用于对未见示例进行判别的规则优势：①与神经网络、支持向量机这样的黑箱模型相比，规则学习具有更好的可解释性，使用户更直观地对判别过程有所了解②数理逻辑有极强的表达能力，绝大多数人类知识都能通过数理逻辑进行简洁的刻画和表达，因此规则学习能更自然地在学习过程中引入领域知识③逻辑规则的抽象描述能力在处理一些高度复杂的AI任务时具有显著的优势

4、特征选择与稀疏学习对一个学习任务来说，给定属性集，其中有些属性可能很关键、很有用，另一些则可能没什么用。将属性称为特征feature，则对当前学习任务有用的属性称为相关特征relevant feature，没什么用的属性称为无关特征feature selection（有一类特征称为冗余特征redundant feature，所包含的信息能从其他特征中推演出来，它很多时候不起作用，但也有时候可恰

机器学习主要类型（五）：系列总结_思维导图（监督学习、无监督学习、半监督学习、强化学习）_ _ _ _ _ _ 机器学习主要类型系列文章更新完毕，喜欢的朋友可以关注后续其他文章 _ _ _ _ _ _《机器学习主要类型》系列文章往期回顾：机器学习主要类型（一）：监督学习机器学习主要类型（二）：无监督学习机器学习主要类型（三）：半监督学习机器学习主要类型（四）：强化学习参考书目：周志华.《机器学习》

机器学习主要类型（二）：无监督学习 Unsupervised Learning2.1 无监督特征学习 Unsupervised Feature Learning一般用来进行降维、数据可视化或监督学习前期的数据预处理2.1.1主成分分析2.1.2稀疏编码2.1.3自编码器2.1.4稀疏自编码器 Sparse Auto-Encoder假设中间隐藏层z的维度M大于输入样本x的维度D，并让z尽量稀疏，这就