机器学习 Day01介绍

机器学习为什么会被提出？
让物体而有人的识别、处理模式可看做一种人工智慧（智能）。

以阶段划分：

• 人工智慧(能) 是要达成的目标；
• 机器学习 是达成目标的手段；借以这种系统“机器”通过不断地实践来的的学习实现智能化；而深度学习（非线性模型）这个热词是实现机器学习的一种。
• 深度学习 是实现机器学习的一种方式

它跟“先天”(预设)的能力不同，“先天”是与生俱来，也就意味着这需要设计师，往往这样的成果是通过记录许多的案例（If else）来实现所谓的“智能”：伪智能，无法利用一直在发展的数据，具有时空上发展的“人为”限制。

机器学习的三个步骤：

1. 确认（选择）某个可实现的近似无穷个函数的集合：模型
2. 利用模型的结果去判断模型的“好坏”
3. 有训练数据检验

Regression 回归 & Classification 分类

这两种概念是一个大类，大部分的机器学习都是基于这两项工作

回归的输出是一个数值
分类：是一种类别的识别

分类可以简单归为：二分类、多分类

机器学习方式

1. supervised learning 监督式学习

人为的用正确或错误两种识别实现一种实践，往往标注出的是 label。
需要大量的训练数据；为了减少数据的摄入量，有以下两种方式：

1.2 半监督式学习

自己会用到未经处理的数据。

1.3 迁移式学习　

1.4 无监督学习

无监督学习是完全没有任何 label 的自发的学习。

2. structured learning 结构式学习

以什么样的形式（结构）输出。

3. reinforcement learning 强化学习

监督学习中我们会告诉机器正确答案是什么,机器有一个人当他家教在他旁边手把手的教他每件事情，这就是监督学习。

---

在 强化学习 中，没有告诉机器正确的答案是什么，机器所拥有的只有一个分数，就是他做的好还是不好。它不知道，也没有人告诉它哪里做的不好，它要反省检讨哪一步做的不好。机器要在 reinforcement learning 的情况下学习，机器是非常 intelligence 的。 reinforcement learning 也是比较符合我们人类真正的学习的情景。
这里不需要数据进行监督训练。

---