李宏毅机器学习课程---1、机器学习介绍
李宏毅机器学习课程---1、机器学习介绍
一、总结
一句话总结：
实际数据需求：机器学习 根据不同的 实际 数据情况 选择不同的机器学习方法
输入到输出：机器学习本质是一个由输入到输出的过程，就看你的输入给的详细不详细
1、机器学习的实质是什么？
Looking for a Function：去满足我们的需求
Machine Learning ≈ Looking for a Function
寻找一个函数去满足我们的需求
2、机器学习大致的应用方向举例？
Speech Recognition：声音识别
Image Recognition：图像识别
Playing Go：比如下围棋
Dialogue System：智能聊天系统
3、机器学习三个步骤？
1、define a set of function
2、goodness of function
3、pick the best function
goodness
英 [ˈɡʊdnəs] 美 [ˈɡʊdnəs]
n. 善良，美德；仁慈，慷慨；精华，养分
int. （表示吃惊或愤怒）天哪；上帝的替代语
4、机器学习中的regression 是什么意思？
回归学习
Regresion： The output of the target founction f is ‘scalar’. 我们在机器学习中要找的function输出是数值，
核心思想就是：连续函数下进行预测。
regression
英 [rɪ'greʃ(ə)n] 美 [rɪ'ɡrɛʃən]
n. 回归；退化；逆行；复原
5、机器学习的分类问题中的两种分类是什么？
Binary Classification 输出是或否：判断是否为垃圾邮件
Multi-class Classification输出多个类型：将文件分为政治、经济、体育等多个大类
Binary Classification： Spam filtering（垃圾邮件过滤），判断是垃圾邮件，不是垃圾邮件。
Multi-classification： Document Classification（文件分类），将文件分为政治、经济、体育等多个大类。
6、机器学习中的线性模型和非线性模型是什么（Linear Model 与 Non-Linear Model）？
Linear Model:【能力有限】：能做的事有限，一些简单的模型可以用它来做，但遇到复杂问题就力不从心了。
Non-linear Model:【能做复杂工作：比如图像分类】：For example，现在的深度学习就是一个Non-linear Model，能完成一些很复杂的工作，比如图像分类等。
7、机器学习的Non-Linear Model（非线性模型）分为哪四种？
Deep Learning（深度学习）
SVN（支持向量机）
Decision Tree（决策树）
K-NN（临近算法）
8、Unsupervised Learning 非监督学习是什么意思？
给非标记数据，让机器自己学习
比如要让机器学会阅读，希望机器自己在网络上爬去很多文章，自己理解其中的意思，进而取得人类的一些理解，掌握阅读的技巧，这就是非监督学习要做的。
9、Unsupervised Learning 非监督学习的实例？
要让机器学会阅读：希望机器自己在网络上爬去很多文章，自己理解其中的意思，进而取得人类的一些理解，掌握阅读的技巧，这就是非监督学习要做的。
要让机器学会自主绘画：我们只给机器呈现显示世界中的景象并不做标识，机器要从中提炼绘画风格与内容，学会通过作画表达自己。
10、Semi-supervised Learning 半监督学习 是什么？
部分有标签data：利用Unlabeled data优化function，也常用于数据不足时进行学
要建立一个辨识猫与狗的系统，手上有一部分Labelled data（已经标记好的猫狗图片），和一部分Unlabeled data（未做过标记的猫狗图片），那么Semi-supervised Learning做的就是利用Unlabeled data优化function，也常用于数据不足时进行学习。
11、Structuerd Learning（结构化学习）是什么？
Beyond Classification：在实际运用中，常常会遇到Beyond Classification的情况，比如语音识别，人脸识别，语言翻译等，是结构化输出。此类问题常配合Reinforcement Learning 解决。
12、Transfer Learning（迁移学习）是什么？
利用这些data优化function：另一部分与猫狗没有关系的图片（比如狮子老虎，标未标记都可）
还是建立辨识猫与狗的系统，手上有一部分Labelled data（已经标记好的猫狗图片），和另一部分与猫狗没有关系的图片（比如狮子老虎，标未标记都可），那么Transfer Learning就是利用这些data优化function。
transfer
英 [træns'fɜː; trɑːns-; -nz-] 美 [træns'fɝ]
v. 转让；转接；
13、Reinforcement Learning（增强学习）是什么？
解决超出分类的情况：会遇到Beyond Classification的情况，比如语音识别，人脸识别，语言翻译等
在实际运用中，以上方法并不能解决全部问题，常常会遇到Beyond Classification的情况，比如语音识别，人脸识别，语言翻译等，那么就要通过增强学习来解决问题。
reinforcement
英 [riːɪn'fɔːsm(ə)nt] 美 [,riɪn'fɔrsmənt]
n. 加固；增援；援军；加强
14、增强学习（Reinforcement Learning）的一个实例？
google 阿法狗：增强学习的一个非常知名的应用就是 google 阿法狗。
15、机器学习 主要解决的是哪三个问题（task）？
Regression（回归问题）
Classification（分类问题）：比如判断图片是猫还是是狗
Structured Learning（结构化问题）
16、增强学习与监督学习有什么区别呢（Reinforcement Learning VS Supervised）？
Supervised：手把手教会机器：就像给了机器一个点读机，他听到一句话时可以看到其含义，每一句话都有标签，就像有一个手把手教他的老师。
Reinforcement Learning：机器唯一可以知道的就是他做的好还是不好
而Reinforcement Learning 就像跟女朋友对话，反复讲来回讲很多句话，直到女朋友觉得你无言以对愤然离去，机器唯一可以知道的就是他做的好还是不好，除此之外没有任何information。而这更像人类现实生活中的学习过程，必须自己像哪里做得好做得不够好，怎么修正。
17、机器学习的学习方式（比如监督学习，比如增强学习）我们是依据什么来选的？
根据实际情况：比如没有那么多数据，那就可以选 半监督学习，没有那么多标记数据，可以选增强学习啊
能做监督学习肯定就做监督学习了，比如标记数据够的情况，
18、什么数据情况下选择什么样的机器学习方式？
部分有标签data：Semi-supervised Learning
无标签data：Unsupervised Learning
一堆不相干data：Transfer Learning
只有来自外界的评价：Reinforcement Learning
有标签data：Supervised Learning
二、内容在总结中
