1-机器学习介绍
目标:人工智慧
手段:机器学习
深度学习:机器学习的分支
本能
(提前设定好,泛化能力为0,无法超越创造者)
机器学习
:让机器具有学习的能力,从数据中寻找function(规律)
简单步骤:
step1:找可能的函数集(model) step2: 在training data 上训练 (training ) step3:testing
各种机器学习任务:
监督学习
vs 无监督学习
semi-supervised learning
:少量数据有标签 其他无标签
transfer learning
:少量数据有标签 其他数据可能有 可能没有 标签 但其他数据与少量labelled data无明显关系
unsupervised learning
:无师自通(有输出无输出)
structured learning
-beyond classification
输出有结构性的结果
reinforcement learning vs supervised learning
:
在supervised 里会告诉机器正确答案
在reinforcement里不会告诉正确答案,只会给答案打分(需要更强的智能)-learning from critics(更符合人类学习真实情景)
两种可以结合
不同的学习方法
{
r
e
g
r
e
s
s
i
o
n
:
f
u
n
c
t
i
o
n
的
输
出
是
s
c
a
l
a
r
(
纯
数
值
)
c
l
a
s
s
i
f
i
c
a
t
o
n
:
分
类
;
二
元
分
类
(
b
i
n
a
r
y
c
l
a
s
s
i
f
i
c
a
t
i
o
n
)
,
多
元
分
类
(
m
u
l
t
i
−
c
l
a
s
s
i
f
i
c
a
t
i
o
n
)
\begin{cases}regression:function的输出是scalar(纯数值)\\ classificaton:分类;二元分类(binary classification),多元分类(multi-classification)\end{cases}
{regression:function的输出是scalar(纯数值)classificaton:分类;二元分类(binaryclassification),多元分类(multi−classification)