前言:通过学习李宏毅老师的课程,总结出来的学习笔记。
机器学习的步骤
a set of function然后是通过数据集找到goodness function从里面找到一个最合适的function 然后再test,最后就是实现具体的问题。
learning map
regression 回归问题:output 是一个scale(数值,标量)比如预测股票等等
classification分类的问题:binary classification是输出的是 yes or no.
multi—class Classification是要做一个选择题
structured learning:输出很多结构,比如一句话
机器学习的方法:
supervised learning(监督学习):通过标记数据集来优化function
semi-supervised(半监督学习):通过标记一部分数据来优化function
unsupervised(不监督学习):不标记数据
transfer learning(转移学习):在标记的数据中放入一些与所要实现的功能不相关的数据
reinforcement learning(强化学习):不会告诉机器,所得到的结论是对还是错,只是会给它的结果打分,让它自己去优化。比如alpha go 就用到了这个方法。
**
regression problem
**