机器学习P1-2总结

1. 拒绝伪AI，只做真AI：

伪AI：通过枚举规则使程序作出相应反馈，表面上以假乱真

真AI：有学习能力，这也是机器变聪明的重要前提。机器由人创造，人可以变聪明，机器天然具有变聪明的本能。

2. 寻找最合适的函数

机器学习大体路径：①找到一个函数集→②给出能自动优化函数参数的方法→③用数据测试，优化函数的参数，找到最合适的函数→④用最合适的函数测试新数据，给出结果

3. 相关技术

• 监督学习

       特点：需要大量打标数据训练模型

       Regression（回归）：通过数据训练，输出一个标量

             ↓

             ↓

       Classification（分类）：含二分类（输出yes/no）和多分类（输出某种类别）

                                                                                      ↑

                                                      通过线性模型、非线性模型（包含深度学习）实现              

• 半监督学习

       特点：只需要少量打标数据即可训练

• 无监督学习

       特点：有输入，无输出

• 监督学习中的结构化学习

       特点：输出有结构性的结果，如：句子，图片识别

• 强化学习

       特点：自省式学习，比较符合真正学习的情景，可以机器与机器互学

4. 为什么要学习机器学习？

AI模型及损失函数的种类很多，不同的问题所需的模型都不相同，所以需要通过学习积攒经验，以便在遇到问题时能比较快速地确定