李宏毅机器学习笔记——概述与介绍

介绍及概述笔记

  • 机器学习
    • 机器学习介绍
    • 机器学习流程
  • 学习总览
    • 监督学习
      • 回归 Regression
      • 分类 Classification
        • 二元分类
        • 多分类
    • 半监督学习、迁移学习
    • 无监督学习
    • 结构化学习
    • 强化学习

机器学习

机器学习介绍

人工智能是目标,机器学习是手段,深度学习是一种方法。

机器学习是从数据中寻找一个或若干个规律/函数,并根据新的数据作出相对的回应。

机器学习流程

李宏毅机器学习笔记——概述与介绍_第1张图片

学习总览

李宏毅机器学习笔记——概述与介绍_第2张图片

监督学习

回归 Regression

提供数据,找到合适的模型,对未来进行预测
代表性模型: Linear Regression(也有用于二分类)

分类 Classification

非线性模型:
Deep Learning,原理较为复杂。
SVM、决策树、K-NN…

二元分类

输出Yes or No
举例:垃圾邮件的判断
将带标签的数据喂给机器进行学习,预测不带标签的数据进行预测正负标签

多分类

输出是什么类别
举例:文章题材的分类
标签的类别有多种

半监督学习、迁移学习

适用于大多数训练数据的标签不完整或无关,之后再进行补充。

无监督学习

训练数据没有标签,让机器自己学习其中的规律/共性

结构化学习

举例:语音识别、机器翻译、人脸识别

强化学习

举例:Alpha Go(监督加强化)
不断获得反馈来调整模型

你可能感兴趣的:(李宏毅老师的《机器学习》,机器学习)