李宏毅《机器学习》笔记-1.Introduction of Machine Learning

1. 什么是机器学习

机器学习就是,针对给出的数据,寻找一个函数,给出合适的输出。例如:
李宏毅《机器学习》笔记-1.Introduction of Machine Learning_第1张图片

2. 机器学习的步骤

正如将大象放进冰箱一样,机器学习步骤简化下来分三步:

  1. 确定一个函数的集合(我们称之为model)
  2. 定义评价函数:因为有很多个函数,我们需要定义出用什么方法评价函数的好坏,这也是我们通常所说的 loss function
  3. 挑选最好的函数
    李宏毅《机器学习》笔记-1.Introduction of Machine Learning_第2张图片

3. 机器学习的划分

李宏毅《机器学习》笔记-1.Introduction of Machine Learning_第3张图片
机器学习主要划分为以下几个方面:

  1. 监督学习 Supervised Learning:即给定系统各个输入(input)以及对应的确定的输出(label),告诉系统:我给你一个X,你就要输出确定的输出Y,这也是最常用的机器学习方式。
  2. 半监督学习 Semi-supervised Learning:有些情况下,我们手中的数据不够,有一部分输入对应确定的输出,但有一部分没有确定的输出(即一些input缺少label),这种情况就是半监督学习。
  3. 无监督学习 Unsupervised Learning:所有input都没有label,即机器在没有任何监督它,只给它大量的输入,让它根据输入数据自己总结规律。(例如新闻分类)
  4. 迁移学习 Transfer Learning:迁移学习,可以有label也可以没有label。比如我们有个模型可以识别猫和狗,我们将它迁移使用,用来识别大象和老虎。也就是数据都变了,但想模型重复使用。
  5. 强化学习 Reinforcement Learning:强化学习,是机器学习很重要的分支。对机器进行的每一个动作进行评价,让机器在不断“试错”中学习

监督学习的细分

按照学习的目标,分为 回归 regression、分类 classification 和 结构化学习 structure learning:

  1. 回归 regression:通过给定的输入,得到一个数值输出。例如:我给你过去几天的PM2.5浓度,你给我预测一下明天的PM2.5浓度(这是个数值输出)。
  2. 分类 classification:通过给定的输入,得到一个离散型的输出,即属于哪个类。例如:我给你个邮件,你判断一下这个是不是个垃圾邮件(二分类问题)。
  3. 结构化学习 structure learning:通过给定的输入,得到输出可能是序列(sequence)、列表(List)或者树(Tree)等类型。例如生成图像,文本翻译等。

你可能感兴趣的:(机器学习,李宏毅)