李宏毅《深度学习》P1----机器学习介绍

机器学习的相关技术

 从上图可以大致看书机器学习从整体上可以分为监督学习、半监督学习、迁移学习、无监督学习、强化学习等。

（一）监督学习

定义：根据已有的数据集，知道输入和输出结果之间的关系。根据这种已知的关系，训练得到一个最优的模型。也就是说，在监督学习中训练数据既有特征(feature)又有标签(label)，通过训练，让机器可以自己找到特征和标签之间的联系，在面对只有特征没有标签的数据时，可以判断出标签。

（二）半监督学习

半监督学习有两个样本集,一个有标记,一个没有标记.分别记作

Lable={(xi,yi)},Unlabled={(xi)}.并且数量上,L<<U.

1.      单独使用有标记样本,我们能够生成有监督分类算法

2.      单独使用无标记样本,我们能够生成无监督聚类算法

3.      两者都使用,我们希望在1中加入无标记样本,增强有监督分类的效果;同样的,我们希望在2中加入有标记样本,增强无监督聚类的效果.

一般而言,半监督学习侧重于在有监督的分类算法中加入无标记样本来实现半监督分类.也就是在1中加入无标记样本,增强分类效果.
（三）迁移学习

迁移学习概述（Transfer Learning）_zhyuxie的专栏-CSDN博客_迁移学习迁移学习概述（Transfer Learning）迁移学习概述背景定义及分类关键点基于实例的迁移基于特征的迁移特征选择特征映射基于共享参数的迁移深度学习和迁移学习结合Pre-training+Fine-tuningSDA (Stacked Denoising Auto-encoder )DANN (Domain-Adversarial Neural Network)参考文献迁移学习概述背景...https://blog.csdn.net/dakenz/article/details/85954548

（四）无监督学习

是否有监督（supervised），就看输入数据是否有标签（label）。输入数据有标签，则为有监督学习，没标签则为无监督学习

（五）强化学习 

强化学习入门总结_菜鸟很菜的专栏-CSDN博客_强化学习目录一、强化学习概述1.强化学习简介2.发展历程：3.MDP（马儿可夫决策过程）4.why RL？5.总结：二、强化学习求解方法1.动态规划方法2.蒙特卡洛方法3.时间差分方法三、强化学习算法分类1.分类一：2.分类二：3.分类三：4.分类四：四、代表性算法1.Q-learning2.Sarsa:3.大名鼎鼎的DQN4...https://blog.csdn.net/j754379117/article/details/83037799