[李宏毅 机器学习笔记] 机器学习概览

1. 机器学习的基本认识

  Mechine Learning 在很大程度上就是为了寻找适合任务的函式。通过使用的数据来完成在整个Model下的Function pick。
  机器学习的主要框架或者流程可以使用下图做一个表述。

---

  机器学习的内容图

  不同的情境下有不同的机器学习方式：

• 在数据的Lable是十分完善的情况下，使用的是监督学习（Supervised Learing）
• 在只有少量的data包含Lable，但没有Lable的data对机器的学习仍有一定的帮助（semi-supervised learing）
• 有包含某一类的数据的情况下，那另一类的数据对机器学习有的帮助 （Transfer Learning）
• 对于Model只有输入\输出但没有输出\输入那这就是无监督学习（Unsupervised Learning）
• 强化学习是说，在训练的方式上，不再是手把手教学而是只告诉最后结果的好坏,着一过程更加贴近人类的学习情景（Reinforcement Learing）

  这里需要注意的是：在半监督学习中回归和分类只是很小的task 的一部分。Structure Learing可能拥有更广泛的应用场景