introduction of machine learning-李宏毅机器学习

机器学习其实就是学习出function。

对机器学习的学习首先可基于这样一个学习图。

蓝色的表示scenario，学习场景

红色的表示task，任务

绿色的表示method，方法

supervised learning:监督学习，有一组带有标签的数据

semi-supervised learning:半监督学习，只有一部分数据带有标签，那些没带标签的数据用来优化学习的function。

unsupervised learning：无监督学习，数据都没有标签

transfer learning:假设是学习猫和狗系统，现在又一组带有标签的猫狗数据，然后还有一组与猫狗完全没关系的数据，利用这些数据来优化学习的function。

reinforcement learning:增强学习，相当于不会告诉你这个是怎样的一个标签，而是做完一系列的动作之后告诉你一些pi评价，然后根据这些评价来做调整，并不知道具体哪里出了问题，比如和老板对话，给老板说了很多自己的想法，然后老板说不好，那你不知道自己到底是哪一句说的不对，只是知道自己说的这段话是有问题的，那就会去不断的尝试直到老板反馈好。

structured leanring:结构化学习，在监督学习问题中，不是所有的问题需要的答案是某个确切数字的标签，可能会是一张图片，一段话这样的输出。

regression:结果输出是连续的数值。

classification中有线性模型和非线性模型