李宏毅深度学习Task01

课程内容

1.机器学习介绍；2.为什么需要机器学习

课程知识点回顾

1. 什么是机器学习？
   机器学习就是【寻找一个函数】，当给定某一个输入后，输出指定的输出。
   p.s. 自己的表述依旧不够清晰

2.机器学习的框架中有哪些组成呢？
组成：(1)一个庞大的函数集，内有各种函数；（2）已知的用于训练的数据；(3)选取最优函数的算法
过程：利用训练数据对函数集中的函数进行优劣评估，然后利用算法寻找庞大的函数集中的最优函数，而不是逐一测试
3.机器学习的过程是什么？
(1)训练；(2)测试

4.机器学习中任务类型有哪些？
机器学习中任务类型：regression; classification; structured learning
regression: 输出为连续数值
classification：输出为离散数值，主要是分类的类别
structured learning：输出不仅仅是数值，是更为复杂的结构化形式，例如图片或者语音
5.机器学习场景划分有哪些？
根据已有的数据集和目的，对机器学习的场景进行划分。
监督学习：已有的训练数据集很大，一般需要人为告知机器input和output(label)，训练集中所有的数据都有label
半监督学习：数据集中有部分的数据没有label，只有input，但是不知道其属于哪一种类别
迁移学习：数据集中也有数据没有label，不知道属于哪一种类别。同时，数据集中还包括与此次学习无关的数据，例如学习是为了区分不同的动物种类，但是数据集中除了动物的数据，还有其他种类的数据
无监督学习：数据集中的数据只有input，没有对应的output，由机器自行学习
强化学习：监督学习时，我们会指定对应的输出应该是什么。但是在强化学习中，是让自己去学习输出应该是什么，自己根据训练的过程，对不同的输出进行评估，然后决定哪个是好的输出。
6.机器学习的方法
(1)线性模型
(2)非线性模型：深度学习，决策树，KNN等

不足：
对机器学习的场景划分还是不明确，特别是无监督学习和迁移学习

p.s. 以上图片来自于李宏毅老师的《机器学习》课程内容，仅作交流分享，如有侵权，请告知，立即删除，谢谢！