机器学习介绍

机器学习是让机器具有学习的能力，looking for a function from data 

人工智慧是我们想要达成的目标，而机器学习是达成目标的手段，深度学习是机器学习中的一种方法。

机器学习三个步骤：

step1. 确定function

step2. 衡量function的好坏

step3. 选出最好的function

Learning Map

blue：scenario场景  不同的data使用不用的scenario

red ：task任务  随着function，output的不同而不同，如regression、classification

green：method方法 同样的task可以用不同的model解决

​​​​​​​task  color: red（task任务  随着function，output的不同而不同，如regression、classification ）

1. Regression： The output of the target function F is "scalar", eg. predict PM2.5 tomorrow

2. Classifiction: Binary Classification(output: Yes/No ; eg. Spam filtering), Multi-class Classification(output: Class 1,Class 2, ... , Class N ; eg. Document Classification)

3. Structured Learning - Beyongd Classifiction (输出为有结构性的东西)

scenario  color: blue（scenario场景  不同的data使用不用的scenario）

1. Supervised Learning(缺点：hard to collect a large amount of labelled data) 监督学习

Classification - Deep Learning：Image Recognition, Playing Go, ... 

Training Data: Input/Output pair of target function

Function(model)

output = label

2. Semi-supervised Learning  半监督学习

3. Transfer Learning  迁移学习

4. Unsupervised Learning--Machine Reading, Machine Drawing 无监督学习

5. Reinforcement(需要一个对手，一般为另一个机器）强化学习

Alpha Go is supervised learning + reinforcement learning

reinforce learning是没有办法做supervised learning时才做的（直接被pass掉？）

difference between supervised learning and reinforcement：

supervised: learning from teacher

reinforcement: learning from critics