机器学习p1p2

一.为什么要让机器学习
使用hand-crafted rules永远考虑不到所有可能性，所以需要机器自主学习
二.机器学习的步骤
①准备一个function set也叫model，function set里面有各种各样的function
②有一些训练资料，这些训练资料有输入输出，把输入给function，它会输出正确的输出就是好的function，否则就是坏的
③让机器有一个自动的方法，有一个好的演算法可以挑出最好的function
三.机器学习相关技术
1.监督学习：分为回归和分类问题
①回归：机器找到的function的输出是scalar。举例：给机器一个昨天上午和今天上午的PM2.5，机器要找到一个function尽可能契合以前的数据，并且输出明天的PM2.5值（是一个连续型数值）
②分类问题：机器找到的function的输出只能是给定的选项，比如说一封邮件是否是垃圾邮件。分为二分类和多分类问题。
2.深度学习：非线性模型
使用deep learning可以让机器下围棋，让机器看到一种情形就可以下对应的棋子
3.半监督学习：
监督学习需要的训练资料都需要输入和输出，输出需要人为标记labeled。当你有少量的标记和大量的未标记，则可以使用半监督学习。
4.迁移学习
除了有用的训练资料，还有一部分不相关的图片，此时可以使用迁移学习
5.无监督学习
在完全没有label的情况下，机器能学到什么样的东西。
6结构化学习
机器的function的输出是有结构的
7强化学习
不告诉机器正确答案是什么，而是给他一个分数，分数低了就代表不好，机器需要自己去寻找哪里做的好或者不好。
没有数据做监督学习时才做强化学习
四：为什么要学习机器学习
成为AI训练师，为机器挑选合适的model和loss function，不同的model和loss function解决不同的问题，需要一定的经验