在机器学习领域，通常我们会遇到哪些典型的算法类型？请列举并简要说明它们各自的核心思想。

回答思路

1. 【回答框架 1】机器学习算法通常按学习方式分为监督学习、无监督学习、半监督学习和强化学习四大类。监督学习利用带标签数据训练模型，核心是学习输入到输出的映射，典型算法有线性回归、逻辑回归、决策树、随机森林、支持向量机、神经网络等。
2. 【回答框架 2】无监督学习处理无标签数据，目标是发现数据内在结构，典型算法包括K均值聚类、层次聚类、DBSCAN、主成分分析、独立成分分析、关联规则学习如Apriori。
3. 【回答框架 3】半监督学习结合少量标签和大量无标签数据，常见方法有自训练、协同训练；强化学习通过与环境交互获得奖励信号来学习策略，代表算法有Q学习、SARSA、深度Q网络、策略梯度方法。
4. 【回答框架 4】除了按学习范式分类，还可按功能划分：回归算法预测连续值，分类算法预测离散类别，聚类算法自动分组，降维算法减少特征维度，关联规则发现频繁项集，异常检测识别离群点。选择算法需结合数据规模、特征类型、任务目标和计算资源等条件。
5. 【回答框架 5】集成学习方法如Bagging、Boosting、Stacking通过组合多个基学习器提升泛化能力，其中随机森林是Bagging的代表，XGBoost、LightGBM是Boosting的代表，这些方法在实际工程中应用广泛。
6. 【关键点 1】学习范式分监督、无监督、半监督和强化学习四类。
7. 【关键点 2】回归和分类属于监督学习，聚类和降维属于无监督学习。
8. 【关键点 3】常用监督算法包括线性回归、逻辑回归、决策树、SVM和神经网络。
9. 【关键点 4】常用无监督算法包括K均值、层次聚类、DBSCAN和PCA。
10. 【关键点 5】集成学习是提升模型性能的常用策略，如随机森林和梯度提升树。
11. 【易错点 1】容易忽略半监督和强化学习，只答监督和无监督两类。
12. 【易错点 2】将降维算法如PCA错误归类为聚类算法。
13. 【易错点 3】只说算法名称而不说明其适用场景和核心思想。