机器学习概念

• 监督学习：利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程。
• 半监督学习：半监督学习属于无监督学习和监督学习之间。研究人员发现，将未标记数据与少量标记数据结合使用可以显着提高学习准确性。对于学习问题的标记数据的获取通常需要熟练的人类代理（例如转录音频片段）或物理实验。因此与标签处理相关的成本可能使得完全标注的训练集不可行，而获取未标记的数据相对便宜。在这种情况下，半监督学习可能具有很大的实用价值。
• 迁移学习：把为任务A开发模型作为初始点，重用在为任务B开发模型的过程中。
• 无监督学习：本质上是一个统计手段，在没有标签的数据里可以发现潜在的一些结构的一种训练方式。
• 监督学习中的结构化学习：相比于回归，输出一个标量或者预测，输出一个向量，结构化学习的输出更加复杂，可以是图像，可以是语句，可以是树结构，等等可由更小的组件构成的结构体。例如GAN，机器翻译。
• 强化学习：增强学习是指从动物学习、随机逼近和优化控制等理论发展而来，是一种无导师在线学习技术，从环境状态到动作映射学习，使得Agent根据最大奖励值采取最优的策略；Agent感知环境中的状态信息，搜索策略（哪种策略可以产生最有效的学习）选择最优的动作，从而引起状态的改变并得到一个延迟回报值，更新评估函数，完成一次学习过程后，进入下一轮的学习训练，重复循环迭代，直到满足整个学习的条件，终止学习。