李宏毅机器学习

机器学习基本步骤

第一步：选择模型--根据已知定义function

第二步：模型评估--衡量function的好坏

第三步：确定模型--找到最优的function

学习算法分类

  机器学习算法分类

•     监督学习 (Supervised Learning)-- 有特征值，有目标值

        目标值连续-- 回归
        目标值离散-- 分类

•     无监督学习(Unsupervised Learning) -- 仅有特征值
•     半监督学习(Semi-supervised Learning)--少量有标签数据+大量无标签数据

        有特征值，但是一部分数据有目标值，一部分没有

•     强化学习(Reinforcement Learning)--根据反馈结果(critics)不断进行学习

        动态过程，上一步数据的输出是下一步数据的输入
        四要素：agent, action, environment,reward 

•     迁移学习(Transfer Learning)

        在样本量比较少的情况下，训练模型，随之把这种模式可以运用到其他很多种情况下

•     结构化学习(Structured Learning)

        通过训练结构化数据（音频，图像，文本等）达到语音识别，图像识别，文本识别等功能