1. 引入
引入: 生物本能
河狸筑造水坝的能力
思考:如何赋予机器本能?
通过 规则 (hand-crafted rules)编码
存在问题:
- 难以考虑所有可能性
- 永远无法超越创造者
- 大量人工因素
2. 机器学习
machine learning所做的事情,你可以想成就是在寻找一个function,要让机器具有一个能力,这种能力是根据你提供给他的资料,它去寻找出我们要寻找的function。还有很多关键问题都可以想成是我们就是需要一个function。
Framework
左边这个部分叫training,就是学习的过程;右边这个部分叫做testing,学好以后你就可以拿它做应用。
在整个machine learning framework整个过程分成了三个步骤:
- 找一个function,
- 让machine可以衡量一个function是好还是不好,
- 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。
3. 机器学习相关技术
-
监督学习
- 数据(data) 标签 (label) 一一对应
- 回归: 输出一个数值
- 分类: 输出一个类别
- 数据(data) 标签 (label) 一一对应
-
半监督学习
- 减少label数量(未标注的数据对训练依旧有用)
-
迁移学习
- 减少 data 用量
-
无监督学习
- 没有 label
-
监督学习中的结构化学习
- 让机器输出的是要有结构性的,举例来说:在语音辨识里面,机器输入是声音讯号,输出是一个句子。
-
强化学习
- reinforcement learning里面,我们没有告诉机器正确的答案是什么,机器所拥有的只有一个分数,就是他做的好还是不好。
4. 为什么要做机器学习?
宝可梦训练师
- 宝可梦训练师要挑选合适的宝可梦来战斗
- 不同 宝可梦 有不同的属性
- 召唤出的宝可梦不一定听话
- eg. 小智的喷火龙
- 需要有经验的宝可梦训练师
AI训练师
- AI训练师要挑选合适的model, loss function
- 不同 model, loss function 适合解决不同的问题
- 不一定能找出 best function
- eg. Deep Learning
- 需要有经验的AI训练师
参考资料: