Datawhale十月组队学习--《李宏毅机器学习》--Task01

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。