机器学习基石学习笔记1 机器学习及其分类

对应第1,3课视频

1.什么是机器学习

2.什么情况下使用机器学习

例如：要识别图片里是否有树，我们又很难去硬写程序去定义树来识别。

3.机器学习流程

learning model =  learning algorithm A and hypothesis set H

f是现实中的规律，由规律产生出了数据data，我们收集这些data作为输入，通过学习算法和候选集，推导出g，我们希望g尽可能地接近f。

机器学习分类：

1）根据输出分类：

如果输出结果离散，是分类（classification）,如果连续，是回归（reggression），如果是有某种结构规律的，例如一句话的词性分析（主谓宾）等，是结构的。

2）根据数据是否有分类

可以分成：

监督：训练集（输入）的每条数据都知道其分类

无监督：训练集（输入）的每条数据都知道不知道他的分类

半监督：训练集（输入）的部分数据都知道其分类

增强学习：每次产出结果，给予一个feedback,告诉这个结果是好的或者不好的

3.根据Protocol

batch:一次性把所用数据送给分类器学习

online:连续的，一次一次改善。例如邮箱，可能是每收到一封信，就改成一次

active：由系统主动询问

4.根据输入空间

1)具体的特征，经过人为辨识的

2)原始的数据

3)抽象的