李宏毅《机器学习》Introduction

A. AI/机器学习/深度学习

AI是目的，机器学习是手段，深度学习是机器学习其中一种方法

B.机器学习是什么？

C.Learning path

 

 C1 监督学习：

INPUT :大量资料

OUTPUT: 人工标注 (label)

C11任务：

回归/分类/结构化学习

分类：下围棋，可以看作十九乘十九个类别的分类问题

结构化学习：OUTPUT：结构性的对象（比如句子/分辨图片的结构）

C12 模型：

线性模型/非线性模型

非线性：SVM / deep learning/ decision tree/...

C2 半监督学习

OUTPUT 既有labelled 又有 unlabeled （对学习也可能有用）

C3 迁移学习

OUTPUT 既有labelled 又有 unlabeled 以及其他不相干资料 （对学习也可能有用）

C4 无监督学习

INPUT :大量资料

OUTPUT: 无

C5 强化学习

VS监督学习（训练过程中）：INPUT，  OUTPUT：正确答案

强化学习（训练过程中）：INPUT，OUTPUT：分数（做的好/不好）

若我们用Alpha Go当做例子时，supervised learning就是告诉机器：看到这个盘式你就下“5-5”，看到这个盘式你就下“3-3”

reinforcement learning的意思是：机器跟对手互下，机器会不断的下棋，最后赢了，机器就会知道下的不错，但是究竟是哪里可以使它赢，它其实是不知道的。我们知道Alpha Go其实是用监督学习加上reinforcement learning去学习的。先用棋谱做监督学习，然后在做reinforcement learning，但是reinforcement learning需要一个对手，如果使用人当对手就会很让费时间，所以机器的对手是另外一个机器。

图片，资料来自李宏毅《机器学习》