本讲主要讲述机器学习的各种概念,连接:http://speech.ee.ntu.edu.tw/~tlkagk/courses/ML_2016/Lecture/Learning%20Map%20%28v2%29.ecm.mp4/index.html
机器学习本质上就是找一个function set
下面将相关概念的个人理解写出来
一.scenario(应用的各种场景,主要是根据应用的输入输模型出来区分)
1.Supervised Learning : 所给function 的train data 一个input label 一个output,就是说input会认为的给定一个output。
2.Semi-Supervised Learning : 其实是Supervised Learning的一个拓展,train data 除了 前者的一一对应(label)之外还会有有input 没有对应output的数据。
3.Transfer Learning : 其实是Semi-Supervised Learn的一个拓展 ,train data除了前者的一一对应关系之外还会有与最终output的目标没有关系的input,而且这些input 会lebel到一些output。
这个解释的不好,应该是理解的也有问题,暂时举个例子。做一个辨识 不可描述图片的model。对这个model输入相应的不可描述图片,并label 它为不可描述图片。同时会输入各种其他图片并