简介：摘要：多任务学习是机器学习领域中的一部分，相对于传统的单任务学习，有其独特的优势和应用场景。在现实很多的问题中，往往需要考虑不同方面带来的影响。单一的考虑一两个任务太过于局限，并且相关任务之间的共性有助于特定任务的学习过程。而多任务学习恰恰能够通过不同任务之间的联系，找到数据的共性和特性，更好地提升分类器的性能。多任务学习方法主要分为两类：共享相同的参数和共享隐藏的数据特征。目前来说，多任务学习广泛应用在多个领域，比如医疗建模，图像分类，自然语言处理和人工智能等。
机器学习的监督学习和非监督学习算法及其应用
