李宏毅机器学习介绍-2022.07.11

机器学习介绍总结：
机器学习是让机器具有学习的能力。
从两个角度入手理解机器：
1.拟人：通过程序可以识别语言，或者识别类别。
2.务实：寻找合适的函数，凭借函数识别数据
机器学习的过程：
1.设置一系列函数
2.训练资料：机器根据训练资料的好坏来判断函数的好坏
(1)inputs
(2)outputs
（1，2训练过程）
3.选出最优的函数
输入资料开始训练，输出训练结果（测试过程）

机器学习的任务围绕两类展开：
1.regression:输入数值，输出用来根据现有资料做未来预测
2.classification:
(1)Birary Classification: 如yes or no 的简单分类
(2)Multi-Classification: 对不同的资料进行多种正确的归类，不仅限于两类。如：新闻文章的分类，可以分为政治，经济，文学等。

机器学习分类：
1.supervised Learning:通过大量的有label的资料来学习
2.Semi_supervised Learing:资料有label和unlabel来学习
3.Transfer Learning:通过大量不同的label资料来学习，来判断无关的资料学习所带来的效果
4.Unsupervised Learning:资料unlabel,仅有outputs没有Inputs 让机器在这样的情况下学习，来查看学习的效果
5.Reinforcement Learning:不告诉机器正确的答案，仅给机器的习得行为打分，让机器在评价中学习
6.Structured Learning:让机器输出结构性的东西。比如将‘机器学习’翻译为英文。

总结：机器学习主要是通过确定学习的行径，所要解决的问题，利用不同的方法来确定机器要如何解决问题。