机器学习小常识

    此笔记源于台湾大学林轩田老师《机器学习基石》《机器学习技法》

 

1. 在什么情况下使用机器学习？

如果可以编写程序解决，就不需要机器学习。

2. 什么样的问题才可以使用使用机器学习？（Key Essence of Machine Learning）

3. 几个常用概念（Notation）

4. 机器学习的流程

5. 机器学习算法的分类

    （1）根据需要求解的输出值不同，可以分为：Binary Classification、 multiclass Classification、Regression、structured learning。

其中， Binary Classification 和regression 是 整个机器学习算法的核心工具。

    （2）根据Data Label y_n 的有无，可以分为：supervised learning（有监督学习），unsupervised learning（无监督学习）、semi-supervised、reinforcement learning。

    （3）根据input dataset 输入方式的不同，可以分为：Batch learning、Online learning、Active learning。

    （4）根据Input Sapce X的不同，可以分为：Concrete Features、Raw Features、 Abstract Features