提示:机器学习原链接
前言
第三次组队学习,内容是李宏毅老师的《机器学习/深度学习》,接下来的时间坚持吧~
一、什么是机器学习
要做的其实是让机器有自己学习的能力,也就我们要做的应该machine learning的方向。
讲的比较拟人化一点,,所谓machine learning的方向,就是你就写段程序,然后让机器人变得了很聪明,他就能够有学习的能力。接下来,你就像教一个婴儿、教一个小孩一样的教他,你并不是写程序让他做到这件事,你是写程序让它具有学习的能力。然后接下来,你就可以用像教小孩的方式告诉它。
如果讲的更务实一点的话,machine learning所做的事情,你可以想成是在寻找一个function,要让机器具有一个能力,这种能力是根据你提供给他的资料,它去寻找出我们要寻找的function。
二、 机器学习相关的技术
- 监督学习
- 半监督学习
- 无监督学习
- 迁移学习
- 监督学习中的结构化学习
- 强化学习
2.1 监督学习
监督学习主要有两类问题:分类问题和回归问题。分类可分为二分类(是or不是)、多分类(哪一类,如手写体数字识别);回归问题主要使用来预测一个值,如预测明天的PM2.5等等。其特点是:使用足够多的带标签的数据集去训练模型,通俗地说就是:数据集中的样本都带有人工标注。
- 优点:模型训练效果好
- 缺点:需要人工标注数据,费时费力
2.2 半监督学习
只能获取少量带label的数据,但是可以获取大量的无label的数据的情况下训练模型,让机器自动地利用为标记的样本来提高学习性能。
- 优点:省去了人工标注大量数据的人力消耗。
2.3 无监督学习
从字面理解,无监督学习就是指训练模型用的数据没有人工标注的标签信息,通俗地说就是 “ 让机器无师自通 ” 。典型的无监督学习是——聚类算法。
2.4 迁移学习
迁移学习的意思是:把已经训练好的模型参数迁移到新的模型来帮助新模型训练。【考虑到大部分数据或任务是存在相关性的】
- 优点:避免了从零开始学习,加快并优化模型的学习效率。
2.5 监督学习中的结构化学习
structured learning 中让机器输出的是要有结构性的,举例来说:在语音辨识里面,机器输入是声音讯号,输出是一个句子。句子是要很多词汇拼凑完成。它是一个有结构性的object。或者是说在机器翻译里面你说一句话,你输入中文希望机器翻成英文,它的输出也是有结构性的。或者你今天要做的是人脸辨识,来给机器看张图片,它会知道说最左边是长门,中间是凉宫春日,右边是宝玖瑠。然后机器要把这些东西标出来,这也是一个structure learning问题。
2.6 强化学习
强化学习是一类算法,是让计算机实现从一开始什么都不懂,通过不断地尝试,从错误中学习,最后找到规律,学会了达到目的的方法。
总结
以上就是今天的全部内容了,接下来的学习要加油哇。