李宏毅老师机器学习2020学习笔记与思考（一）Introduction

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：