机器学习李宏毅（1）

一 、什么是机器学习

让机器学会自己 学习

二、机器学习$\approx$寻找一个函数

使用这个函数，我们得到期望的输出，例如：

输入一段语音信号，我们希望得到对应的文字信息；
输入一张图片，我们希望得到图片中的动物是什么；
输入围棋，我们希望得到下一步该怎么走能赢…

三、机器学习三步骤

四、学习路线

1. 监督学习（Supervised Learning）

1) 回归（Regression）

• 预测PM2.5

2) 分类（Classification）

• 二分类
  • 垃圾邮件分类
• 多分类
  • 文档归类（政治，经济，体育等）
• 深度学习中的分类
  • 图片识别
  • 围棋

2. 半监督学习（Semi-supervised Learning）

一些有标签数据，一些为无标签数据

3. 迁移学习（Transfer Learning）

根据某一任务训练出的模型运用到另一类相似的任务上，如：

4. 无监督学习（Unsupervised Learning）

训练集均为无标签数据，让机器自己学习。

5. 结构化预测（Structured Learning）

6. 强化学习（Reinforcement Learning）

利用奖罚规则进行学习

监督学习v.s. 强化学习

有点类似于监督学习是背棋谱，但强化学习是根据奖罚规则自己悟出一套棋谱出来。