之前是看机器学习2021的课,之后才发现其实基础部分在2017的课里面,所以从2017的课重新开始看,有一些重复的内容就没有写笔记。
就像人的知识来源一样,有很大一部分知识是后天的学习,但是也有一部分知识是与生俱来的,刻在DNA里面的。机器也是这样,人类可以给它定义一些知识,但是如果机器只有这些知识,他将永远也不能超过它的创造者,他必须具有自我学习的能力才是真正的人工智能。
机器学习的内核其实就是找一个function,一个可以正确从输入指向特定输出的function,比如下面的speech recognition就是找到语音与语义之间的function,这个是人根本写不出来的,但是如果给机器足够多的训练资料,他指不定就可以完成。
那么教机器学会的步骤也就出来了,第一步就是存在一系列基础的function,这个就是model;第二部就是有很多训练数据,让机器可以来学习;第三步就是机器找到了最好的答案的function,然后用来做出新的判断test。
下面就是机器学习的学习框图,之后的视频学习也按照这个步骤来。
regression是指function的输出是scalar标量,classifiction的则是在规定的类别中选出正确的类别。
下图还有一个监督学习和强化学习的比较,监督学习就有人类当作家长,都是一对一的,强化学习则是从评价中学习,不会告诉你怎么做,也不知道哪一步的问题。