机器学习的应用领域:
- 语言辨识
- 图像识别
- 象棋
- 对话系统
机器学习目的找出一个function
机器学习的过程:(supervised 有监督的)
- Collect a set of function——model
- 训练集训练数据
- 根据训练资料判断function的好坏
——挑出最好的function:(训练的过程 即training)
- 验证function的好坏,输入一只机器没见过的猫,希望机器能自动识别它是猫(测试的过程testing)
过程总结:1、确定一个function set
2、训练数据
3、让机器能够衡量function的好坏
Learning map:
1、回归预测(监督) 预测的是标量 数值数据 如PM2.5
2、分类(监督) 二元分类 (好/坏)
多种类分类 (体育/财经/娱乐)
- 线性模型
- 非线性模型
- deep learning
(function复杂所以能做复杂的事,图像识别、下围棋
- SVM /决策树/KNN
3、半监督学习 没有labeled的数据对机器学习可能也有帮助
4、transfer learning
5、无监督学习: 机器能否通过阅读大量文章,能否学会词汇的意思
结构化学习 structured learning
6、强化学习 reinforced learning:没有告诉机器正确答案,只给机器分数
从评价中学习,更符合真实社会中的学习模式
没有办法做监督学习的时候才做强化学习,一般是缺少数据