【机器学习】李宏毅 - 01 机器学习导论

学习路线图

监督学习

告诉机器input和output分别是什么，其中标注输出的方式叫做设置标签label。

01. Regression 回归

输出结果是标量scalar，即一个数值。

02. Classification 分类

输出结果是类别。

• 二分类：输出Yes or No.
  
• 多分类：给数个类别，输出一个正确的类。
  

03. 建立模型

a. 线性模型

线性回归模型

b. 非线性模型

Deep learning

用于让机器下围棋，这个任务实际上是分类问题，输入是一个棋盘的格子，输出是下一步落子的位置，具体过程是向机器输入足够多的棋谱。

SVM

04. 结构化学习

机器输出结构性的内容，比如结构性的语句、翻译句、图片的整体内容等。

半监督学习

半监督学习是为了减少监督学习中label的量。

猫狗分类问题：使用少量被标记的数据（猫狗），和大量未被标记的数据（猫狗），帮助机器进行学习。

迁移学习

迁移学习是为了减少数据用量。

猫狗分类问题：使用少量被标记的数据（猫狗），和大量未被标记的数据（与猫狗无关的图片）。

无监督学习

强化学习

机器没有正确答案，只有分数，通过最后的分数让机器反省之前的步骤，符合人类真实学习的场景。

AI魔法师

1. 根据不同的问题，挑选合适的模型、损失函数。
2. 在找不到最佳函数的情况时，需要使用深度学习，或提升自己的魔法值。