首先今天我们的任务里面有
线性回归、Softmax与分类模型、多层感知机
这三个主要内容
我们的学习流程是这样滴
机器学习简介
机器学习基本思想
判别模型与生成模型
线性回归
下面就让我们开始学习之旅吧
机器学习简介
一、机器学习的定义
研究学习方法
任务T,经验E,性能P,可以用三元组表示
二、两种机器学习模型类型
1.预测包括监督学习(根据数据预测输出)和无监督学习(生成数据)
2.决策 强化学习(在动态环境中采取行动获得随着时间推移最大化累积奖励)
不仅仅辅助人类,还需要采取行动。机器作为智能体,操作后判断环境状态。
三、机器学习的历史
50年代(创建机器学习术语)
60年代(神经网络、感知机、模式识别,因为感知机被证明了局限性所以被冷冻)
70年代(符号归纳、专家系统、决策树模型、AM)
80年代(EBL、反向传播、高级决策树)
90年代(文本学习、RL、SVM+核方法、贝叶斯、文本学习爱)
00年代(统计关系、图模型、机器人、计算机系统、概率图,变分推理,迁移学习,跨模态学习)
10年代(深度学习、GPU、DRL(Deepmind2014)、视觉语音文本、多任务+终身学习,深度强化学习