মেশিন লার্নিংয়ের তিনটি প্রধান ধরন রয়েছে — supervised learning (লেবেলযুক্ত উদাহরণ থেকে শেখা), unsupervised learning (লেবেলযুক্ত নয় এমন ডেটায় প্যাটার্ন খুঁজে বের করা), এবং reinforcement learning (পরীক্ষা এবং পুরস্কারের মাধ্যমে শেখা)। এগুলি বুঝলে ML কীভাবে বিভিন্ন সমস্যার সমাধান করে তা স্পষ্ট হয়।
তিনটি প্রধান ধরন
text
SUPERVISED LEARNING → learn from LABELED data (input → known correct output):
→ trained on examples with answers → learns to predict outputs for new inputs
→ for: classification (categorize), regression (predict numbers)
→ e.g. spam detection (labeled spam/not-spam), price prediction
UNSUPERVISED LEARNING → find patterns in UNLABELED data (no given answers):
→ discovers structure/groupings on its own
→ for: clustering (group similar items), dimensionality reduction, anomaly detection
→ e.g. customer segmentation, finding patterns
REINFORCEMENT LEARNING → learn through TRIAL and ERROR with REWARDS:
→ an agent takes actions, gets rewards/penalties, learns to maximize reward over time
→ for: game playing, robotics, control, decision-making