文章目录
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
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
- 根据不同的问题,挑选合适的模型、损失函数。
- 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。