机器学习介绍
人工智能是机器学习想要达成的目标,深度学习是机器学习的一种方法
-
人类设定好的本能(关键词驱动)- hand-crafted rules
- 如果设定“turn off”关键词作为关闭音乐的识别指令,那么一旦有人说“don’ t turn off”机器还是会关闭音乐
- 永远无法超越创造者
-
Machine Learning = Looking for a function from data
-
speech recognition
f(语音)=scentence
-
Image recognition
f(图片)=cat
-
Dialogue system
-
可以有一系列算法完成对图片的辨识,找出最好的使用,左边的部分是training,右边的部分是testing
- Supervised Learning
-
Regression:输出是“scalar”,e g输入今天上午,昨天上午的PM2.5预测输出明天上午PM2.5
-
Classification:分为Binary Classification二分类输出yes or no(eg.垃圾邮件分类),Muti-class classification,输出具体类别(eg.新闻属于哪个类别的分类)
model选择:
- Linear Model
- Non-Linear Model
- Deep-learning:比如训练机器下围棋,就可以讲棋盘看作19*19的类别分类问题
- SVM,decision tree,K-NN
Function output = label(所有的输出都带标签)
Structured Learning 结构学习指的是输入和输出都是具有结构化的对象(数列、列表、树、边界框等)。
-
Semi-supervised Learning
有一部分带label的output,也有很多不带标签的数据也对学习有帮助
-
Transfer Learning
-
Unsupervised Learning
- 机器看到大量数据,只有输入没有输出。比如带机器去动物园看大量的动物,它能否创造一个动物。
-
强化学习
- 与监督学习不同的是,强化学习也不会提供标签,只会给每次的输出结果(比较符合人类真正的学习情境)