李宏毅--机器学习笔记

第一篇博客，记录李宏毅老师的机器学习课程相关内容

什么是机器学习

• 传统定义：机器学习致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。在计算机系统中，“经验”通常以“数据”形式存在，因此，机器学习所研究的主要内容是在计算机上从数据中产生“模型”的算法，及“学习算法”（learning algorithm）。
• 李宏毅教授的观点：机器学习是寻找一个函数的能力。通过训练，寻找出最优函数，能让我们在输入一张猫的图片时，计算机告诉我们这是cat，输入一张狗的图片后计算机告诉我们这是dog。

机器学习好简单

李宏毅老师觉得机器学习就像把大象放进冰箱需要三个步骤一样（打开冰箱门，把大象放进去，再关上冰箱门），有三个步骤：
step 1：定义一个函数集
step 2：优化函数
step 3：选择最优函数

机器学习的学习地图

• 监督学习supervised learning

1. 回归Regression（线性模型）
2. 深度学习Deep learning（决策树、SVM、神经网络等非线性模型）
3. 结构化学习Structured learning

• 半监督学习semi-supervised learning
• 无监督学习unsupervised learning
• 迁移学习transfer learning
• 强化学习reinforcement learning