మెషిన్ లర్నింగ్ మూడు ప్రధాన రకాలను కలిగి ఉంది — supervised learning (లేబుల్ చేయబడిన ఉదాహరణల నుండి నేర్చుకోవడం), unsupervised learning (లేబుల్ చేయని డేటాలో నమూనాలను కనుగొనడం), మరియు reinforcement learning (ట్రయల్ మరియు రివార్డ్ ద్వారా నేర్చుకోవడం). వాటిని అర్థం చేసుకోవడం ML వివిధ సమస్యలను ఎలా సంధిస్తుందో స్పష్టం చేస్తుంది.
మూడు ప్రధాన రకాలు
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