李宏毅ML00—Introduction

# 什么是Machine Learning

• Looking for function from data（从很多数据中找到解决问题的方法）
• Machine Learning 的框架分为 Model(A set of function), Training Data, Goodness of function

机器学习一共分为三个步骤

1. Define a set of function（找到一组方法）
2. goodness of function（拥有评估function的评估方法）
3. pick the best function（找到一个最好的function）

学习路径

• Supervised Learning：有 Input 和 Output，Output 的 label 通常要人工来评测是否是正确的
  • Regression （回归）
    • 输出通常是一个数值
    • 如：给定历史的PM2.5的值，来预测明天上午的PM2.5的值
  • Classification （分类）
    • Binary Classification: yes or no
    • Multi-class-Classification: class1, class2 ...
    • Linear Model
    • Non-Linear Model：Deep Learning, SVM, Desicion Tree, K-NN
• Semi-Supervised Learning
  • 有少部分 labelled 的猫狗图片，和大部分 unlabelled 的猫狗图片，这部分 unlabelled 的猫狗图片，也会对机器的学习有帮助
• Transfer Learning
  • 有 labelled 的猫狗图片，和一堆不相干的其他内容的图片，需要机器自己来识别是不是猫狗
• Unsupervised Learning
  • 学习的时候，只给机器一大堆的数据，不输出内容，也就是不给标签化。比如：给机器训练庞大的新闻内容，机器是否能给出认识这些词语
• Structured Learning
  • 语音识别，机器翻译，人脸识别
• Reinforcement Learning
  • Reinforcement Learning 通过评价来学习（不断试错，找到更好的方法）
  • Supervised Learning 通过人工指导来学习
  • Alpha Go 一开始用的是Supervised Learning，后来用的是Reinforcement Learning