机器学习是什么->自动寻找函数
首先要知道寻找什么函数(输入与输出)
例:
- Regression(回归)-output of the function is a scalar
- Binary Classification(二分类)-output Yes or No
- Multi-class Classification(多类别分类)-output Class1, Class 2, Class3…
- Generation(生成)-生成很多复杂的东西,如图片、文字等
监督学习、半监督学习、无监督学习与强化学习
- Supervised Learning 监督学习
监督学习需要训练集训练,训练前需要labeling处理,训练的过程期待机器通过各种方式,找到loss最小的的函数。以围棋为例,监督学习需要教给机器每一步怎么走,然后机器通过既定的学习进行test data的处理。 - Semi-supervised Learning 半监督学习
部分数据有标签部分数据没有标签,相较于监督学习成本低,但是准确度比较高。 - Unsupervised Learning 无监督学习
无标签,通过数据之间的内在联系和相似性将他们分成若干类——聚类。根据数据本身的特性,从数据中根据某种度量学习出一些特性。 - Reinforcement Learning 强化学习
强化学习类似于半监督学习,通过很多步最终得到一个reward,在reward的反馈下,机器可以知道学习过程中的问题。以围棋为例,强化学习过程中机器first move->second move->…->last move—>win!(reward)通过最后win这个结果,来反思自己每一步的问题并进行学习。
怎么找函数
先给定一个函数范围,通常为线性(linear)或network architechture(RNN CNN等),然后在这个范围内,寻找函数,寻找的过程最常见的是Gradient Descent(梯度下降法)。
课程网站
课程作业网站
附二维码: