机器学习（李宏毅）—— 基础概念

机器学习就是自动找函数：已知输入(可以是语音信号,图片,围棋,对话系统)，想要输出，自动寻找如何从输入得到输出的函数。

想要什么样的函数？不同的函数对应不同的机器学习任务。

Regression：输出是一个数值。
Binary Classification：输出只有两种可能(Yes or No//Positive or Negative)；Multi-class Classification：输出有多种可能(做选择题)。
Generation：产生有结构的复杂东西(产生一句话,生成一幅图片)。

怎么告诉机器我们想要什么样的函数？

Supervised Learning：给机器一些训练资料(Labeled Data,给出输入的图片并告诉机器正确的分类类别)，然后机器会评估函数的可靠性(Loss,错误率)，接下来机器会自动找出Loss最低的函数(算法)。
Reinforcement Learning：只看重结果，不注意过程(Reward奖励机制,引导机器往好的方向学习)。
Unsupervised Learning：给机器一些训练资料(Unlabeled Data,没有标注的图片)。

机器如何找出我们想要机器找出的函数？

1.给出函数寻找范围(Linear,Network Architecture(RNN,CNN))。
2.如何在给定范围中寻找最好的那个函数(Gradient Descent)。