李宏毅机器学习（2017版）_P1-2：机器学习介绍

北海虽赊，扶摇可接

已于 2022-07-18 23:12:37 修改

阅读量169

点赞数

分类专栏：李宏毅机器学习（2017版）文章标签：机器学习人工智能深度学习

于 2022-07-09 21:02:44 首次发布

本文链接：https://blog.csdn.net/weixin_46336048/article/details/125698285

版权

李宏毅机器学习（2017版）专栏收录该内容

9 篇文章 1 订阅

订阅专栏

1、Introduction

人工智能：高级的function，非hand-crafted rules，可以自主学习，举一反三（非大量if情景判断）

2、Framework

在这里插入图片描述
左边这个部分叫training，就是学习的过程；
右边这个部分叫做testing，学好以后你就可以拿它做应用。
所以在整个machine learning framework整个过程分成了三个步骤。
第一个步骤就是找一个function，第二个步骤让machine可以衡量一个function是好还是不好，第三个步骤是让machine有一个自动的方法，有一个好演算法可以挑出最好的function。
在这里插入图片描述

3、Learning theory

在这里插入图片描述

3.1 Task

3.1.1 Regression 回归

Regression是一种machine learning的task，当我们说：我们要做regression时的意思是，machine找到的function，它的输出是一个scalar，这个叫做regression。举例来说，在作业一里面，我们会要你做PM2.5的预测（比如说预测明天上午的PM2.5），也就是说你要找一个function，这个function的输出是未来某一个时间PM2.5的一个数值，这个是一个regression的问题。

3.1.2 Classification 分类

Classification（分类）的问题。Regression和Classification的差别就是我们要机器输出的东西的类型是不一样。在Regression中机器输出的是一个数值，在Classification里面机器输出的是类别。假设Classification问题分成两种，一种叫做二分类输出的是是或否（Yes or No）；另一类叫做多分类（Multi-class），在Multi-class中是让机器做一个选择题，等于是给他数个选项，每个选项都是一个类别，让他从数个类别里选择正确的类别。

3.1.3 Structured learning 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。

3.2 Scenario

在这里插入图片描述
半监督不需要所有data都有标签；
迁移学习可以在不同类数据建模型进行迁移；
强化学习：
reinforcement learning是什么呢？在reinforcement learning里面，我们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。reinforcement learning也是比较符合我们人类真正的学习的情景，这是你在学校里面的学习老师会告诉你答案，但在真实社会中没人回告诉你正确答案，你只知道你做得好还是做得不好。