3、机器学习入门：从基础到实践

机器学习入门：从基础到实践

1. 机器学习的关键概念

在机器学习领域，有几个关键概念值得深入探讨。首先是分层强化学习（HRL），它为解决具有稀疏和延迟奖励的长视野问题提供了有效途径。借助 HRL，子任务和抽象动作能够在同一领域的不同任务中使用，实现迁移学习。

另一个重要的概念是自监督学习，这是机器学习迈向创造能像人类一样学习和思考的机器的重要一步。在自监督学习中，机器通过预测其拥有的所有信息中缺失的部分来进行学习，比如从过去预测未来、从现在推断过去，或者从顶部推测底部。学习模型利用数据的一部分来预测另一部分，从而实现自我训练。其核心思想是在无需人工标注数据的情况下，自行准确生成标签，将无标签的无监督学习转化为有标签的监督学习。例如，当图片或文本存在缺失部分时，自监督学习可自动填补这些缺失。

2. 机器学习的流程

机器学习的流程始于明确要解决的问题或任务，接着寻找与该任务相关的数据。机器学习技术和问题类型会根据任务来确定，技术类型可分为无监督学习、监督学习或半监督学习，问题类型则包括分类、回归、异常检测或聚类等。

学习类型	数据标签情况	适用场景
监督学习	数据有标签	当训练数据带有结果标签时使用
无监督学习	数据无标签	任务是从数据中发现有用信息时适用