目标:人工智能
手段:机器学习(其中一种方法:深度学习)
手工制作(hand-crafted)的特征学习起来具有学习上限
Machine Learning = Looking for a Function From Data (自动学习规则)
机器学习步骤:
1. 从众多模型中寻找合适的模型(或构建新的模型);
2. 定义衡量模型好坏的标准;
3. 通过演算(训练)找到最适合的模型;
Maching Learning 内容:
Supervised Learning:
- Regression(回归) :
给定输入数据,通过模型训练后,输出是一个数值
- Classification(分类):
- Binary Classification:输出yes or no(1或0)
- Multi-class Classification: 输出1,2,... ,N
Semi-supervised Learning :
小部分数据有label,但是大量数据无label
Transfer Learning:
小部分数据有label,但是大量数据与现在分类类别无关。比如训练猫狗分类器,但是只有小部分数据时带标签的猫狗数据,大量数据时马或者人的数据,与带训练分类器类别无关。
Unsupervised Learning:
数据无label,模型自己学习
Structured Learning:
输出带有结构性,例如:语音翻译,中英文翻译,多目标检测识别
Reinforcement Learning:
只有评判标准(告诉你一件事做的好或不好),没有标签指导。
model(方法)举例:Deep Learning、 SVM、 decision tree(决策树)、K-NN......
参考链接: