机器学习（整体结构）

国科大《机器学习》内容，周晓飞老师讲的挺不错的，浅显易懂。

本来是想整理下课程内容的，然而动手后才发现内容过多（很想吐槽，为啥这么多模型？不能相互替代么？）简略画个思维导图算啦（为啥也这么长！），日后提醒自己有哪些内容。

不做机器学习相关研究，等用到了再查工具箱吧 (๑╹◡╹)ﾉ"“”

基本结构

机器学习的基本结构如下：

• 监督学习（Supervised Learning）：从输入 $x$ 和对应的输出 $y$ 中学习，这里的 $y$ 由 teacher 给予

• 无监督学习（Unsupervised Learning）：从输入 $x$ 中学习数据关系，没有 teacher 给予的输出 $y$

• 强化学习（Reinforcement Learning）：从输入 $x$ 中学习，没有 teacher 给予的输出 $y$，但存在一个 critic，根据模型输出给出 feedback

机器学习流程

1. 数据的采集和预处理
2. 模型选择：选择一组带参数的 models，以及对应的 error function
3. 利用 Learning Algorithm，寻找最小化 error function 的一个模型与对应的参数
4. 应用学到的模型