《深度學習》李宏毅 -- task1機器學習介紹

機器學習介紹

   機器學習（Machine Learning），就是讓機器自動找函數。如語音識别，就是讓機器找一個函數，輸入是聲音信号，輸出是對應的文字。如下棋，就是讓機器找一個函數，輸入是目前棋盤上黑子白子的位置，輸出是下一步應該落子何處。

機器學習任務——我們想要機器找什麼樣的函數

 1.回歸（regression）

        輸出是數值。如房價、PM2.5預測。

 2.二進制分類（binary classification）

        輸出隻有兩種可能，正面或負面。

 3.多元分類（multi-class classification）

        輸出目前輸入屬于既定N個類别的機率值，并将N個機率值中最大者所對應的類别作為正确答案。

4.生成（generation）

        輸出有結構的複雜東西。如翻譯，畫圖。

機器學習相關的技術

主要包括監督學習、半監督學習、遷移學習、無監督學習、監督學習中單結構化學習、強化學習

監督學習

相當于我們告訴他過去的PM2.5資料是什麼，讓他去預測未來新的PM2.5的資料。output往往沒有辦法用很自然的方式取得，需要人工的力量把它标注出來，這些function的output叫做label。

分類問題

這裡說的是需要讓機器做選擇，一個是二分類，一個是多分類。這裡還有一個模型選擇，就是是否是線性的或者非線性的，比如線性最簡單的就是線性回歸，。深度學習大部分是非線性的 ，機器學習中SVM支援向量機也是非線性的。

半監督學習

其實就是少量有标記的資料，大部分是未标記的資料。讓機器自己去識别，這裡老師說這個可能沒有标記的資料可能會對機器學習的學習過程有幫助，說後面會說。

遷移學習

假設我們要做貓和狗的分類問題，我們也一樣，隻有少量的有label的data。但是我們現在有大量的data，這些大量的data中可能有label也可能沒有label。但是他跟我們現在要考慮的問題是沒有什麼特别的關系的，我們要分辨的是貓和狗的不同，但是這邊有一大堆其他動物的圖檔還是動畫圖檔（涼宮春日，禦坂美琴）你有這一大堆不相幹的圖檔，它到底可以帶來什麼幫助。這個就是遷移學習要講的問題。

無監督學習

通俗，就是沒有任何标記的資料下，讓機器自己學習。

監督學習中的結構化學習

很多教科書說，機器學習隻有分類和回歸問題，其實還有大量的結構化學習，沒有探究問題。

強化學習

原來Alpha GO就是強化學習的産物啊。