求生第一天

求生第一天：机器学习小白入门随笔

——来自Datawhale队伍培养的一颗刚发芽的小白菜
这次的blog就是一个随笔，无任何含金量哈，因为今天小白菜要开始简单入门，坚持学习笔记记录

学习内容：机器学习基础入门

1、什么是ML?
听完课程我的理解就是我们要去找一个合适的函数function让我们的自变量X输入进来之后能够得到我们要的Y。X可以是Y任何的有关信息，就是我们的特征嘛。而function嘛就是我们常说的模型model，我们已经听说了很多模型，比如小白菜我正在使用的SVR\SVM来做预测或分类的临床指标相关问题
2、几种学习方式
①监督学习（Supervised learning）：特点是我们需要大量的已标记样本数据，也就是知道X对应的Y。常见的有regression、classification等问题
②半监督学习（Semi-supervised learning）：少量的X有对应的正确的Y，其他X没有明确的Y，但是这些unlabelled X会对学习有帮助。这是减少样本量的方法之一
③迁移学习（Transfer learning）：顾名思义，就是将某个东西或理论迁移到别的地方，在这里就是我们的模型了，将我们对任务1建立的模型应用到任务2中，这里也能减少已标记样本量
④无监督学习（Unsupervised learning）：那就是从一堆没labeled X中学习，用合适的function找到X的label规律嘛
⑤结构性学习（Structured learning）：简而言之就是我们的output是具有一定结构的，比如机器翻译，从英文翻译到中文，语法结构上部分符合中文的语法结构
⑥强化学习（Reinforcement learning）：与监督学习最大的区别就是没有正确答案，只有你做的好与不好，通过评判分数去不断修正学习