机器学习介绍（李宏毅老师）

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

1. 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

2. 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）