机器学习笔记(一)

机器学习与人工智能的关系

人工智能是达成的目标

机器学习，深度学习是一种达到目标的方法

通过后天的学习来习得一种能力。

告诉机器一段声音，这段声音是”HI“，机器就学会了“HI"

告诉机器一张图片代表”猫“，机器就知道这是猫

机器学习就是一个函数，从数据中习得的函数。

机器通常的方法：

1.先准备一个function set，这个set里面有成千上万个function，这些function会根据输入来进行输出

2.要准备训练资料，来判断这个function是好是坏

3.需要一个有效率的演算法从function set里面调出一个最好的function，对于不在数据集里面的数据，可以给出输出

机器学习的学习路线

1. Regression（回归）

输出一个数值，比如说，输出明天的pm2.5的值

Training Data:

之前的pm2.5的值

2.Classification(分类)

二分类或者多分类

比如：判断是否是垃圾邮件

3.Deep Learning

4.SVM，K-NN

以上方法都是需要label，属于监督学习

减少标签的学习方法

semi-supervised-Learning（半监督学习）

Transfer Learning(迁移学习)

unsupervised learning(无监督学习):比如说让机器看一大堆动物，就可以学习这些动物是什么

structured Learning

输出的一个复杂的部件，比如说一个句子，句子由很多词汇组成，这个句子就是有结构的。

Reinforcement Learning

强化学习，游戏AI

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cgJ3ytRf-1626100080690)(C:\Users\lph\AppData\Roaming\Typora\typora-user-images\image-20210712220752489.png)]

和supervised 的区别，supervised需要告诉对或者不对，答案对或者不对。

RL不会告诉答案对或者不对，会根据评价来进行学习调整。

为什么要学习机器学习

AI训练师，和训练宝可梦一样，AI训练师要挑选合适的model，loss function，和不同的model和function，有些模型的最佳化比较困难，比如说深度学习，所以说需要有经验的训练师来进行训练。

所以说厉害的训练师功不可没，所以让一起朝AI训练师之路迈进吧。