李宏毅《机器学习》——P1 机器学习介绍、P2 为什么要学习机器学习

一、人工智慧、机器学习和深度学习

人工智慧是我们想要达成的目标，而机器学习是想要达成目标的手段，希望机器通过学习方式，他跟人一样聪明。深度学习是机器学习的其中一种方法。

二、机器学习的步骤

machine learning所做的事情，你可以想成就是在寻找一个function，要让机器具有一个能力，这种能力是根据你提供给他的资料，它去寻找出我们要寻找的function。还有很多关键问题都可以想成是我们就是需要一个function。以下是怎么找出想要的function：

1. 准备一个function set（model），这个function set里面有成千上万的function
2. 接下来机器要做的事情是：它有一些训练的资料，这些训练资料告诉机器说一个好的function，它的输入输出应该长什么样子，有什么样关系。机器可以根据训练资料判断一个function是好的，还是不好的。
3. 我们需要一个有效率的演算法，有效率的演算法可以从function set里面挑出最好的function。

三、机器学习相关的技术

1、 监督学习

需要大量的training data，它告诉我们要找的function的input和output之间的关系。如果我们在监督学习下进行学习，我们需要告诉机器function的input和output是什么。这个output往往没有办法用很自然的方式取得，需要人工的力量把它标注出来，这些function的output叫做label。

（1）Regression（回归）——目标function输出的是数值

（2）Classification（分类）——目标function输出的是类别

• 二分类
• 多分类

machine解任务的过程中第一步就是要选择function set，选不同的function set就是选不同的model。Model有很多种，最简单的就是线性模型，但我们会花很多时间在非线性的模型上。在非线性的模型中最耳熟能详的就是Deep learning。Deep learning可以做特别复杂的事情。比如它可以做影像辨识、让机器下围棋等。

（3）Structured Learning（结构化学习）

structured learning 中让机器输出的是要有结构性的，举例来说：在语音辨识里面，机器输入是声音讯号，输出是一个句子。句子是要很多词汇拼凑完成。它是一个有结构性的object。或者是说在机器翻译里面你说一句话，你输入中文希望机器翻成英文，它的输出也是有结构性的。或者你今天要做的是人脸辨识，来给机器看张图片，它会知道说最左边是长门，中间是凉宫春日，右边是宝玖瑠。然后机器要把这些东西标出来，这也是一个structure learning问题。

2、半监督学习

减少label需要的量，没有label的data也可能对学习有帮助。

3、迁移学习

另外一个减少data用量的方向。一大堆不相干的图片可以带来什么帮助。这个就是迁移学习要讲的问题。

4、无监督学习

没有任何label

5、强化学习

不告诉机器正确的答案是什么，机器所拥有的只有一个分数，就是他做的好还是不好。

机器跟对手互下，机器会不断的下棋，最后赢了，机器就会知道下的不错，但是究竟是哪里可以使它赢，它其实是不知道的。我们知道Alpha Go其实是用监督学习加上reinforcement learning去学习的。先用棋谱做监督学习，然后在做reinforcement learning，但是reinforcement learning需要一个对手，如果使用人当对手就会很让费时间，所以机器的对手是另外一个机器。

我们没有办法做监督学习的时候，我们才做reinforcement learning（强化学习）

四、为什么要学习机器学习