浦视AI实战营 打卡笔记 2月1日

为什么要让机器去学习？

机器学习关键是从数据中学习经验，以解决特定问题。

人脸识别确认图中的人身份。图像=数百万像素的数组。如何设计算法，基于几百万个数据计算出其身份，且该算法对人物表情、拍摄角度、拍摄环境的变化保持足够的鲁棒性。

识别语音。如何准确地识别语音？如何逼真地生成语音？

强化学习。为在游戏中获胜，对于简单的游戏可以用非学习方法，但复杂度随着游戏规模增大指数增长

机器学习是什么？

问题->收集数据->拟合模型。让计算机从数据中学习去解决问题。

机器学习的典型范式

机器学习的用武之地就是那些难以通过简单算法解决的问题。

监督学习：数据之间存在某种映射关系，如何基于有限的数据样本推断出这种关系。

无监督学习：数据自身是否存在某种结构或规律

强化学习：如何和环境交互，以获得最大收益

特征与分类：

特征可以看作是向量空间中的点，不同类文本分布在空间中不同的位置上

线性分类器：

假设类别和特征之间存在某种线性关系。