机器学习[李宏毅]-笔记1-Course Introduction

视频链接：https://www.bilibili.com/video/BV1JE411g7XF

[注]：图中不同颜色区域表示对应算法的函数寻找范围。

• Regression：函数输出为数值
• Classification：分类
• Supervised Learning：有监督学习，需要给机器做一些训练，需要有Labeled Data；
• Loss：损失函数，评价函数好坏，结果越小越好；机器需要找出Loss最低的函数；
• Reinforcement Learning：强化学习；
• Unsupervised Learning：无监督学习，给机器一堆数据，数据没有标注；
• 函数的寻找方法：Gradient Descent梯度下降；
• Explainable AI：例如，辨识出图片里有一只猫，为什么是一只猫，理由是什么？
• Adversarial Attack：对抗攻击，添加专门针对机器所设计的噪音，使得机器得到的结果出错；
• Network Compression：网络压缩，模型太大，将模型压缩，使之能放到更小的设备上；
• Anomaly Detection：异常检测，例如，在判别是哪种动物的系统中输入不是动物的图片（人的图片）；
• Domain Adversarial Learning：迁移学习；
• Meta Learning：元学习，学习如何学习；
• Life-long Learning：终身学习；