李宏毅机器学习2020版笔记1-课程流程

课程流程图

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

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

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

Generation（生成）

生成句子或图片：

Supervised Learning

给机器输入带标签的数据进行训练：

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。

Life-long Learning