更改

'''聚类分析 Cluster analysis'''是将一组观测值分配到一个子集（称为集群）中，这样同一个集群中的观测值就可以根据一个或多个预先指定的相似数据点来给定，而从不同的集群中提取的观测值就不一样了。不同的聚类技术对数据的结构会做出不同的假设，通常用一些相似度量来进行定义和评估，例如，通过内部紧凑性，或同一集群成员之间的相似性，以及分离，集群之间的差异''（这里的翻译有待改进）''。也有其他方法是基于密度估计和图连通性来进行相似性度量。

'''聚类分析 Cluster analysis'''是将一组观测值分配到一个子集（称为集群）中，这样同一个集群中的观测值就可以根据一个或多个预先指定的相似数据点来给定，而从不同的集群中提取的观测值就不一样了。不同的聚类技术对数据的结构会做出不同的假设，通常用一些相似度量来进行定义和评估，例如，通过内部紧凑性，或同一集群成员之间的相似性，以及分离，集群之间的差异''（这里的翻译有待改进）''。也有其他方法是基于密度估计和图连通性来进行相似性度量。

==== 半监督学习 Semi-supervised learning ====

==== 半/弱监督学习 Semi-supervised learning ====

{{Main|Semi-supervised learning}}

{{Main|Semi-supervised learning}}

In weakly supervised learning, the training labels are noisy, limited, or imprecise; however, these labels are often cheaper to obtain, resulting in larger effective training sets.

In weakly supervised learning, the training labels are noisy, limited, or imprecise; however, these labels are often cheaper to obtain, resulting in larger effective training sets.

在弱监督式学习中，训练标签是噪声的、有限的或不精确的; 然而，这些标签往往更便宜，导致更大的有效训练集。

在半监督学习中，训练标签是有噪声的、有限的或不精确的; 然而，这些标签使用起来往往更加“实惠”——这种数据更容易得到、更容易拥有更大的有效训练集。

==== Reinforcement learning ====

==== Reinforcement learning ====