李宏毅机器学习自己的笔记（一）----------Introduction of MachineLearning

视频来源：李宏毅机器学习(2017)_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili
https://www.bilibili.com/video/av10590361/?p=2
声明：图片均来自于视频截图



问题一：   AI，机器学习  ，深度学习关系

答：AI人工智能是人类最终要实现的，完成的目标。机器学习是人类在尝试完成这个目标所创生的一种途径。而深度学习是让机器学习完成和实现的一种有效的方法

问题二： 机器学习原因？

答：模仿生物个体。生物个体或的知识，具备相应的能力有两个方式：（1）先天遗传（2）后天学习。而在个体的竞争之中后天学习才是王道。相比如通过类似于（1）机器需要完备的出厂设置，才能保证不被玩死，才能让人感觉答哦智能，但是这样类似于穷举法，你没有办法考虑到每一件具体的事情。所以类比生物这肯定行不通啊。故而尝试后天学习。那么问题来了-------如果把机器比喻为一个婴孩，那么怎么通过机器的方法使他学习？？

问题三：      机器学习本质

答：想一想我们幼年的时候啥都不知道，但是通过听，看我们学习认识了这个时间。然后再通过婴幼儿的教育，我们背诵大量的书籍，虽然不懂具体的意思，虽然后来都不记得内容了，但是我们具备了独立读书看报的能力。

首先第一步（1）：向机器输入它听到的声音（语音识别）看到的图片（图像识别）------------总之就是数据集

第二步（2）Training ：婴儿还学到怎样恰当的表达  这个就是机器怎么选择恰当的函数，模拟触类旁通，模拟举一反三？？？-------在模拟Model中选择最优化，恰当的函数

第三部（3）Testing： 使用选择的恰当的函数去应用。--------没有使用不正确的话，进行反思，重新选择model,在类似的有两函数基础上进行相应的改变，拟合？？

李宏毅老师酱菜中的图片：



问题四：       分类与回归

答：  分类：分为：二分类和多分类，结构化学习

但最终得到的结果是一个非精确的数据（或是一个精确的label，标记具体的类别）

而回归就是获得精确的值，可以进行预测，也更加细化的值，对比分类的结果。

结构化学习：是分类的超越，它更倾向于模仿人类的记忆搜索库吧？？

其实自己不是太明白就是觉的：都可以用来做预测，比如使用分类预测是否会下雨，而归类就是具体的这天会不会下雨？其实有点迷惑。等我接着看下去，希望有更深的理解



问题五：    机器学习具体类别：

答： （1）Semi-supervised   （半监督学习）：数据一部分有label，一部分没有label，让机器自己的去学习，应用这些数据实现功能

（2）Transfer learing   (迁移学习)：

（3）un-supervised  Learning （无监督学习）：数据没有标签，最接近于人类的学习模式。试图给机器数据（小学生背书）看机器可以自己学到什么（比如我们从背书，学会了自己看书，从国背诗，学会自己创作）

（4）Reinforcement learning (强化学习):

不告诉机器这道题作对了没有，只是给明具体的分数。让机器自己去改正，修补。（通过反馈学习）

（学校模式）监督学习就是类似于给了一个家教老师，指导进行学习。（来自老师指导：这个要在这样的思路，那个要那样的体系等等）

（社会模式）Reinforcement Learning 自己犯错自己承担，自己找错