我的机器学习笔记（第一篇）

最近开始学李宏毅老师的机器学习了，记录下自己的学习笔记，也算是最自己继续坚持的激励。

机器学习流程

a set of function ->Goodness of function -> pick the best function

1. 学习情境（scenario）

1.1 有监督学习（supervised learning)

Learning from teacher,have a l lot of training data.
exm.给机器很多关于不同苹果的图片，机器根据这些数据进行学习，从而可以识别苹果。

1.1.1Regression

 - The output of the target function f is 'scaler'(数值）, 比如预测天气。

1.1.2 Classification

 -  Binary Classification  :Y&N，比如判断是否为垃圾邮件。
 -  Multi-class Classfication:Class 1、Class 2、...、Class N，比如输出新闻类别。

在解决Classification问题过程中，要选不同的Function set（model），不同的function set 会得到不同的结果，model有两种，分别为linear model 和Non-linear Model。

• Non-linear model

  - deep Learning:下围棋，识别图片
  -  SVM、desicion tree、K-NN  
  

1.1.3 structured Learning

机器输出复杂的物件，exm:语音识别（Speech Recognition），根据语音识别出文字；机器翻译（Machine Translation），根据中文翻译出英文。

在解决问题过程中，你需要大量训练数据（Training Data），
这时你要告诉计算机大量带有标签的数据（labeled data）,即含有input 和 output（label），但这是很难找到的，所以有了以下其他学习情境；人脸识别。

1.2 半监督学习（semi-Supervised Learning）

- 少量的labeled data,大量的unlabeled data.

1.3 无监督学习（unsupervised Learning）

1.4 迁移学习（Transfer Learning）

- 少量的labelled data,大量的其他不相关数据（can be either labeled or unlabeled）

1.5 强化学习（Reinforcement Learning）

Learning from critics,也就是说机器在实践中根据反馈并进行改进。比如训练一个聊天机器人，并不告诉他正确答案，只告诉他好与不好。