机器学习TASK01 | 机器学习介绍

一.之前的人工智能与现在的进行对比：

之前：手上有data，让机器帮忙做这件事情。

现在：machine learning方向，写段程序，让机器有自己学习的能力，比如辨识图片，声音等等。总的来说就是，你需要找到一个function，通过我们对机器提供的data，让他通过学习，训练，从而帮我们寻找出我们需要的function。

二.怎样找出我们需要的function？

        首先，准备一个function set（函数集合），也就是model（模型）。

        然后，用训练的data去告诉机器好的function，它的输入输出应该长什么样子，有什么关系，进行训练

        接下来，输入测试集，让机器自己判断，然后输出结果，看结果是否正确，就可以判断function是不是一个好的function。

我们最重要要做的是找到function set里面最好的function，要用一些算法。

总结：在整个machine learning framework整个过程分成了三个步骤。第一个步骤就是找一个function，第二个步骤让machine可以衡量一个function是好还是不好，第三个步骤是让machine有一个自动的方法，有一个好演算法可以挑出最好的function。

三.Learning Map

1.监督学习（Supervised Learning）----------------------------------》回归问题和分类问题.

需要大量的training data，需要告诉机器function的input和output是什么，这个output往往没有办法用很自然的方式取得，需要人工的力量把它标注出来，这些function的output叫做label。

2.半监督学习（Semi-Supervised Learning)

输入部分部分被标识，部分未被标识，这种模型可以用来进行预测，但是要首先学习数据的内在结构，对回归和分类应用一些算法：SVM等。

减少label

3.迁移学习（Transfer Learning ）

减少data用量的方向是迁移学习

 4.强化学习（Reinforcement Learning）

5.监督学习中的结构化学习（structured Learning） 

 （有待开发...）