李宏毅机器学习Day01之机器学习介绍

参与了datawhale组队学习，李宏毅老师机器学习课程学习打卡
课程资料：https://www.bilibili.com/video/BV1Ht411g7Ef?p=1&vd_source=618ecf41cffc71dcd77f42f4c37554fe
课程笔记资料：https://linklearner.com/datawhale-homepage/#/learn/detail/93

机器学习介绍

机器学习的发展

目标：实现人工智能
手段：机器学习
深度学习与机器学习的关系：深度学习就是机器学习的其中一种方法

machine learning的发展目标：让机器他有自己学习的能力，不是写程序让他做到这件事，而是写程序让它具有学习的能力。

机器学习的framework

• training阶段：
  • step 1: 从事先准备的function set（叫做model）中找一个合适的function
  • step 2: 让machine可以衡量一个function是好还是不好
  • step 3: 让machine有一个自动的方法（好的算法）可以挑出最好的function

机器学习相关的技术

Supervised learning

特点：训练数据需要告诉function的input和output，若output无法通过自然的方式取得，需要人工的力量把它标注出来，叫做label

1 Regression

特点：machine找到的function，它的输出是一个scalar（具体数值）

2 Classification

1、特点：machine找到的function，它的输出是一个类别

2、分类：二分类（Binary）、多分类（Multi-class）
二分类：输出的是是或否（Yes or No）；
多分类：数个选项，每个选项都是一个类别，让他从数个类别里选择正确的类别。

3、模型分类
1）线性模型 linear model

2）非线性模型 non-linear model
常见：deep learning、SVM、decision tree、K-NN

3 Structured learning

让机器输出的是要有结构性的
例子：

Semi-supervised learning

数据特点：只有少量labeled数据和大量unlabeled数据
在语音辨识里面，机器输入是声音讯号，输出是一个句子。句子是要很多词汇拼凑完成。它是一个有结构性的object。

Transfer learning

数据特点：只有少量labeled数据和大量unlabeled数据，且有一大堆不相干的数据

Unsupervised learning

数据特点：数据没有任何label