李宏毅机器学习2020版笔记1-课程流程

课程流程图

李宏毅机器学习2020版笔记1-课程流程_第1张图片

Regression(回归)

要找的函数的输出是一个数值(scalar)。例如:PM2.5数值预测
李宏毅机器学习2020版笔记1-课程流程_第2张图片

Classification(分类)

二分类
输出只有两个类:
RNN中输入句子,输出是正面还是负面
李宏毅机器学习2020版笔记1-课程流程_第3张图片
多分类
有多个输出类:从多个已知类中输出一个。
CNN中图像分类
李宏毅机器学习2020版笔记1-课程流程_第4张图片

Generation(生成)

生成句子或图片:
李宏毅机器学习2020版笔记1-课程流程_第5张图片

Supervised Learning

给机器输入带标签的数据进行训练:
李宏毅机器学习2020版笔记1-课程流程_第6张图片
评估函数的Loss,机器找出Loss最低的函数。

Reinforcement Learning

下棋中Supervised Learning VS Reinforcement Learning

  • 监督学习是在每一步告诉它该怎么走;
  • 强化学习是机器自己和自己下棋,在结束时给一个Reward(赢或输),让机器自己学习每一步该怎么走。

无监督学习

只给数据,没有标签。

Explainable AI

机器不但能给出结果,还能给出得到该结果的理由。

Adversarial Attack

加入刻意噪声的图片,使机器无法识别

Network Compression

异常检测

如何让机器知道一个输入属于一个它还不知道的分类

Transfer Learning

在训练资料和测试资料有不同的分布,仍然能学习到。

Meta Learning

让机器学习如何学习。
李宏毅机器学习2020版笔记1-课程流程_第7张图片

Life-long Learning

你可能感兴趣的:(机器学习笔记)