2021李宏毅机器学习笔记--1.概述机器学习

机器学习内容图示

图中十五个知识点大致囊括了机器学习大部分内容内容

什么是机器学习

机器学习就是让机器自动的找一个函数式，而非人为定义计算。
举例来说，比如语音识别，就是让机器自动的找到一个函式，输入一段声音信号，输出的是信号中对应的文字描述，显然这样的函式如果把数学函式写出来，复杂程度是不可思议的，实际上没有人可以把语音识别的函式写出来，只能靠机器自动的寻找这样的函数式。比如图片识别，就是机器找到一个函式，输入的是图片，而输出的是图片中的内容。比如Alpha Go，输入是棋盘上黑子白子的位置，输出是下一步要落子的位置。

期望找什么样子的函式

根据你要找的函式的不同，机器会有不同的任务。
当你期望你的输出是一个数值时，这样的任务叫做regression回归，比如预测PM2.5数值。
当你期望你的输出是某种可能时，这样的任务叫做classification分类，但是分类也分为从二元分类和多层次分类，二元分类是指输出结果从既定的某两个选项里做选择输出某一个，而多层次分类是有N个类别供选择，输入某图片或信号，机器进行分类，输出N个选项里该输入最有可能是哪个类别。
当你期望产生你的输出是问句或者图片等比较复杂有结构的东西时，这样的人无叫generation生成。

怎么告诉机器你期望的函式的样子

当我们去心里知道我们要找什么样子的函式后，我们怎么告诉机器我们想要的函式长什么样子呢？有几种常见的方法。
###1.supervised learning监督学习
在这种方法里面需要我们对机器做训练，提供给function大量的训练资料的同时还要对资料进行label标注，标注代表着我们想要从该function中得到怎样的回应，也就是我们想要的输出。 提供这些资料以后，机器怎么做学习呢？机器可以评估一个函式的好坏，给每个函式一个loss，函式的loss就可以让我们知道函式有多好或者多不好。
###2.reinforcement learning强化学习
最典型的就是alpha go，不需要告诉机器每一步应该怎么走，让他自己跟自己下或者跟别人下，最后无论输赢，都没有人告诉他哪一步下的好或者下的不好，他会自己找策略提高正确率，而机器输或者赢这件事是引导机器学习的方向。
###1.unsupervised learning非监督学习
只提供给机器训练资料，但是训练资料上面不进行标注，可以让机器学到什么或实际帮我们解决了哪些问题。

机器怎么找出你期望的函式

首先给定函式寻找的范围。给出一些好的函式的所在范围，让机器在这个范围里面找出最好的函式就好。那么怎么给出范围呢？比如有线性的，有卷积神经网络，有递归神经网络。 其次给定搜寻范围以后，怎么从范围内找到最好的function呢？使用gradient descent 梯度下降的方法找到最好的函式，最好的函式是指loss值也就是函数的损失最小。