（学习笔记）机器学习介绍

Machine learning （机器学习）是达到Artifical Intelligence(人工智能)的手段，而Deep learning(深度学习)的一种方法。
机器学习可以分为：
1.supervise learning（监督学习）
2.semi-supervise learning（半监督学习）
3.transfer learning（迁移学习）
4.unsupervise learning(非监督学习)
5.reinforcement learning(强化学习)
这几种学习都有不同的特点。
（1）.监督学习有regression和classifiaction两种。回归是建立模型进行预测的一种学习。分类有Binary classification(二分类)和Multi-class classification(多分类)，二分类是进行判断yes/no,多分类是进行选择（先分出很多的类别，再将数据对应到各个类别中）
(2) 半监督学习是由于数据中的label（标签）减少了，某些数据的特征有标签，但是大部分没有标签或者标签不完整，可以使用半监督学习
（3）为啥使用迁移学习，模型需要的training data是没有label的，但是在数据集中有很多无关的数据，这些数据是有标签的。这时候是由迁移学习。
（4）.无监督学习。只有大量同类的数据给机器学习，但是没有任何label。机器自己学习成为什么样子。比如给出大量图片，没有要求机器给出图片的特征，机器会自动生成图片。
（5）.强化学习是通过（learn from critcs）进行学习的，通过自己判断good/bad,通过不断训练进行反省，达到最优值。