Learning Map

//李宏毅视频官网：http://speech.ee.ntu.edu.tw/~tlkagk/courses.html                                                    点击此处返回总目录 //邱锡鹏《神经网络与深度学习》官网：https://nndl.github.io     ------------------------------------------------------------------------------------------------------------------------------- 接下来我们要讲一下，在这门课里面，我们可以学到的和machine learning相关的技术。这个是这学期的learning map，看起来是有点复杂的。我们一块一块来解释。                                     ------------------------------------------------------------------------------------------------------------------------------- 我们先从图的左上角开始。图的左上角是Regression。什么是Regression，Regression是一种machine learning的task。当我们要做Regression的时候，意思是说，我们的machine要找出来的function，它的输出是一个scalar，是一个数值，是一个real number。   举例来说，在作业1里面，我们会做PM2.5的预测。也就是说要找一个function，这个function的输出呢，是未来某一个时间，比如说明天上午的PM2.5。PM2.5是一个数值，是一个number，所以这是一个Regression的problem。当然这个machine要预测明天上午的PM2.5，他没有办法凭空猜出来嘛，显然要给他一些额外的信息。你给他的信息呢，可能是今天上午的PM2.5，明天上午的PM2.5等等。                                   那要训练这种machine，如之前machine learning的framework中讲的，要给他一些训练数据。什么样的训练数据，你就告诉他说，我们根据政府的open data 所收集的数据，9月1号上午的PM2.5为63,9月2号的为65,9月3号是这样子。一个好的function输入是9月1号和2号的PM2.5，应该输出9月3号的PM2.5；给他9月12号的，9月13号的，应该输出9月14号的。当收集够多的这种data，就可以做气象预报的系统。                              ------------------------------------------------------------------------------------------------------------------------------- 刚才讲的是Regression，接下来要将的是classification。                                            Regression和classification的差别就是，我们让机器输出的东西的类型是不一样的。在Regression里面，机器输出的是一个数值，在classification里面，机器输出的是个类别。 classification问题又分成两种：一种是binary classification，二元的分类；一种是Multi-class classification。在二元分类里面，我们要让机器输出的是是或否，yes或no。在multi-class classification里面，机器要做的事情是一个选择题，你等于是给他数个选项，每一个选项就是一个类别，它从所输的类别里面选择正确的类别。                                        我们分别为binary classification和multi-class classification举一个例子：   spam filtering(垃圾邮件过滤)，自动检测出垃圾邮件，帮你把他放到垃圾文件夹里面。它是怎么做到这件事的呢？其实我们需要的就是一个function，这个function的输入就是一封emai