动手学深度学习－第一章引言

在ＤＡＴＡｗｈａｌｅ的组织下，开始新的一轮深度学习，感谢组织，感谢沐神．

机器学习（machine learning，ML）是一类强大的可以从经验中学习的技术。 通常采用观测数据或与环境交互的形式，机器学习算法会积累更多的经验，其性能也会逐步提高。

• 数据
  • 遵循独立同分布(independently and identically distributed, i.i.d.)（大多数情况，假设的前题）
  • 由一组称为特征（features，或协变量（covariates））的属性组成
  • 器学习模型会根据这些属性进行预测

　　　　　拥有越多数据的时候，工作就越容易。

　　　　　还需要正确的数据

• 模型
  • 转换数据　将输入数据通过模型输出相应数据
• 目标
  • 定义模型的优劣程度的度量，这个度量在大多数情况是“可优化”的
  • 最常见的损失函数是平方误差
• 算法
  • 搜索出最佳参数，以最小化损失函数
     

２．机器学习分类

２．１监督学习

 

 

2.1.1回归

任何有关“有多少”的问题很可能就是回归问题

2.1.2分类

 “哪一个”的问题叫做分类（classification）问题

2.1.3标注

学习预测不相互排斥的类别的问题称为多标签分类（multi-label classification）

2.1.4搜索

在海量搜索结果中找到用户最需要的那部分

2.1.5推荐

与搜索和排名相关的问题是推荐系统（recommender system），它的目标是向特定用户进行“个性化”推荐

2.1.6序列

 序列学习需要摄取输入序列或预测输出序列，或两者兼而有之。 具体来说，输入和输出都是可变长度的序列

２无监督学习

不含有“目标”的机器学习问题通常被为无监督学习

• 聚类
• 主成分分析
• 因果关系
• 生成对抗网络

２．３与环境互动

 

 

２．４强化学习

在每个特定时间点，智能体从环境接收一些观察（observation），并且必须选择一个动作（action），然后通过某种机制（有时称为执行器）将其传输回环境，最后智能体从环境中获得奖励（reward）。 此后新一轮循环开始，智能体接收后续观察，并选择后续操作，依此类推。