李宏毅《机器学习》|1. Introduction of this course(机器学习介绍)
Author:AXYZdong
自动化专业 工科男
有一点思考,有一点想法,有一点理性!
定个小小目标,努力成为习惯!在最美的年华遇见更好的自己!
更多精彩文章前往:👉 个人主页
一、人工智能、机器学习和深度学习
人工智能(Artificial Intelligence) 目标
机器学习(Machine Learning) 手段
深度学习(Deep Learning) 机器学习的其中一种方法
二、机器学习(Machine Learning)
所谓 Machine Learning 的方向,就是你就写段程序,然后让机器人变得了很聪明,它就能够有学习的能力。
如果讲的更务实一点的话,Machine Learning 所做的事情,你可以想成就是在寻找一个 Function,要让机器具有一个能力,这种能力是根据你提供给它的资料,它去寻找出我们要寻找的 Function。
找出 function 的 framework:
先准备一个 function set(集合),这个 function 里面有成千上万的 function,这个 function set 就叫做 model(模型);
使用 Training Data 判断这个 function 是好是坏;
有效率的演算法自动挑选出最好的 function。
三、机器学习相关的技术
3.1 监督学习(Supervised Learning)
回归(Regression):Predict continuous valued output
分类(Classification):Discrete valued output
结构化学习(Structured Learning):lnput and output are both objects with structures
3.2 半监督学习(Semi-supervised Learning)
Training Data 有少量的 Labelled data 和大量的 Unlabeled data。在半监督学习的技术中,这些没有 label 的 data,它们可能也是对学习有帮助。
3.3 迁移学习(Transfer Learning)
迁移学习的意思是:假设我们要做猫和狗的分类问题,我们也一样,只有少量的有 label 的 data。但是我们现在有大量的 data,这些大量的 data 中可能有 label 也可能没有 label。但是它们跟我们现在要考虑的问题是没有什么特别的关系,我们要分辨的是猫和狗的不同,但是这边有一大堆其他动物的图片,你有这一大堆不相干的图片,它们到底可以带来什么帮助。这个就是迁移学习要讲的问题。
3.4 无监督学习(Unsupervised Learning)
没有任何 label,机器可以无师自通。
3.5 强化学习(Reinforcement Learning)
在 Reinforcement Learning 中,我们没有告诉机器正确的答案是什么,机器所拥有的只有一个分数,就是它做的好还是不好。
Alpha Go 其实是用 Supervised Learning 加上 Reinforcement Learning 去学习的。先用棋谱做监督学习,然后再和另外一个机器做强化学习。
四、为什么要学习机器学习
其中最重要的原因是需要 AI 训练师。在机器学习中,需要挑选出合适的 Model、Loss Function、...,不同的 Model、Loss Function 适合解决不同的问题,这时候就需要富有经验的 AI 训练师去寻找合适的 Model、Loss Function。
本次的分享就到这里
如果我的文章对你有帮助、如果你喜欢我的文章内容,请 “点赞” “评论” “收藏” 一键三连哦!
听说 👉 点赞 👈 的人运气不会太差,每一天都会元气满满呦!^ _ ^
码字不易,大家的支持就是我坚持下去的动力。点赞后不要忘了👉 关注 👈我哦!
如果以上内容有任何错误或者不准确的地方,欢迎在下面👇留个言。或者你有更好的想法,欢迎一起交流学习~~~
版权声明: 本文为 InfoQ 作者【AXYZdong】的原创文章。
原文链接:【http://xie.infoq.cn/article/ea1d30aab5fcaf5f2f3e690dc】。文章转载请联系作者。
评论