datawhale李宏毅机器学习打卡—task01“机器学习介绍”

首先，什么是机器学习？机器学习是做什么的？机器学习通过哪些方法来完成想要的目标？

机器学习是为了实现人工智能而设计的一种让机器自主学习的方法。
传统的人工智能，只是给机器设定简单的程序，在不同的条件下执行不同的输出。这种“智能”很僵硬，没有人类智慧的属性在。
因此提出了机器学习，让机器可以像人一样，从认识的事物（一大堆数据）中学习到知识。
那机器如何做到这些呢？或者说怎么做呢？
首先要明确机器要解决的任务，任务主要有两类，回归和分类。结构化学习也算一种，但我还没接触过。
其次就是针对要解决的任务选择某种函数集，主要有两类：线性，非线性。非线性函数集就涉及到我们常说的深度学习了，除了深度学习，还有SVM、KNN等。
选完函数集之后就是选择训练方法了，对数据进行训练可以分为两大类。监督学习和无监督学习。
监督学习，顾名思义，就是有人看着，也就是在对每个样本训练结束的时候，监督人会告诉你结果是对是错。这种监督学习需要针对学习样本人工标注出标签，将训练结果与标签进行对比来判断是否正确。
无监督学习，那就是训练结束没有人告诉你做对了做错了。只有样本数据，没有标签。
生活很少是泾渭分明的，在监督学习和无监督之间有个半监督学习作为折中。半监督学习就是训练数据中，有些有标签，有些没有标签。
另外还有迁移学习和强化学习。小白一枚，接触的不多，有经验了再写。

注：图片截自datawhalechina
这幅图系统而全面的对机器学习中经常出现的名词和概念进行了梳理和联系，值得自己构思一遍。