【01】台大机器学习L3 机器学习分类问题

L3 各式機器學習問題

分类：

• 根据输出空间 y
• 根据数据样本标签 yn
• 根据Protocol f
• 根据输入空间 X
  

---

1 根据输出空间 y 来分

• 二元分类
• 多类别分类
• 线性回归：输出为实数
• Structural Learning
  et
  
  

---

2 根据样本标签来分

• 监督学习：训练样本数据有标签
• 非监督学习：训练样本数据没有标签
• 半监督学习：训练样本数据只有一部分标签，这样对于大量的数据，可以省去人为做标签需要的时间等等麻烦
• Reinforcement Learning
  宠物训练——奖励/惩罚方法使得达到正确的效果or结果;一步步地将算法变得越来越好。

无监督学习应用:

半监督学习

Reinforcement Learning

强化学习更接近一种自然学习方式，用过奖励惩罚的方法来使得正确的结果慢慢地显现。

Mini Summary

---

3 根据Protocol 【类似学习过程的类型】

• Batch Learning（成批成批地输入样本数据，Andrew有讲）
• Online Learning（在线的学习，动态的，数据过来，然后又出去，Andrew有讲到）
  
• Active Learning（主动学习，机器自动问问题，有技巧地问问题）
  

Mini summary

• Batch Learning（主要讲的）
• Online Learning
• Active Learning

---

4 根据输入空间 X

根据输入的样本的特征，已知的，详细的，需要人提取的，机器提取的，非常抽象的

• Concrete Features 比较详细了，对机器学习来说是比较容易的

• Raw Features 原始的“信号”来提取特征
  1、人为提取：【特征工程】，机械故障中就是人为的
  2、机器提取：【深度学习】
  
  

• Abstract Feature
  更加抽象的，比较困难，电影评分预测问题等等。
  参考Andrew中的电影评分。
  

Mini Sum

---

总结

主要讲的还是中括号中的简单的机器学习方法，后期的在机器学习基石中讲。

感谢林轩田老师、何君彦老师、李俊良老师！

​