机器学习 第一讲learning map --李宏毅课程

本讲主要讲述机器学习的各种概念，连接：http://speech.ee.ntu.edu.tw/~tlkagk/courses/ML_2016/Lecture/Learning%20Map%20%28v2%29.ecm.mp4/index.html

    机器学习本质上就是找一个function set

下面将相关概念的个人理解写出来

一.scenario（应用的各种场景，主要是根据应用的输入输模型出来区分）

    1.Supervised Learning : 所给function 的train data 一个input label 一个output，就是说input会认为的给定一个output。

    2.Semi-Supervised Learning : 其实是Supervised Learning的一个拓展，train data 除了 前者的一一对应（label）之外还会有有input 没有对应output的数据。

    3.Transfer Learning ： 其实是Semi-Supervised Learn的一个拓展 ，train data除了前者的一一对应关系之外还会有与最终output的目标没有关系的input，而且这些input 会lebel到一些output。

    这个解释的不好，应该是理解的也有问题，暂时举个例子。做一个辨识　不可描述图片的model。对这个model输入相应的不可描述图片，并label 它为不可描述图片。同时会输入各种其他图片并且label为可描述图片。

Transfer Learning　待修改

    ４.Unsupervised Learning : train　只会有input　ｏｒ　只会有output

    ５.Reinforcement Learning : 没有外界的train data  model　内部进行input output input output 的自我产生数据，然后外界给一bad/good的反馈，model内部进行学习。

二.task(model的类型，主要根据model的输出来区分)

    1.Regression :　当model的output是数值时，叫Regression

    2.Classification : 当model的output是从多个选项中选择出来的时，叫Classification(分类)

        a. Binary Classification   只输出　YES /  NO

        b. Multi-class   多个选择中选择一个

    3.Structured Learning : 当model输出的是相应结构(对应关系)的something（例如语音识别）

三.method(是机器学习最核心的部分，就是学习的function)

    model的相关知识会在之后学习完成，理解透彻之后补充

    Supervised Learn :train data     ==>   input    <--> output  (label)