【深度學習】李宏毅《機器學習》學習筆記
2021年8月16日
P1-P2節-機器學習介紹和為什么要學習機器學習
1950年，人工智能就出現了好厲害~~
機器學習中包含了深度學習，
早期的人工智能其實都是想當于給河貍裝上一個先天的本能，并且這個是永遠無法超越創造者的，
我們要做的其實是讓機器他有自己學習的能力，也就我們要做的應該machine learning的方向，講的比較擬人化一點，所謂machine learning的方向，就是你就寫段程式，然后讓機器人變得了很聰明，他就能夠有學習的能力，接下來，你就像教一個嬰兒、教一個小孩一樣的教他，你并不是寫程式讓他做到這件事，你是寫程式讓它具有學習的能力，然后接下來，你就可以用像教小孩的方式告訴它，假設你要叫他學會做語音辨識，你就告訴它這段聲音是“Hi”，這段聲音就是“How are you”，這段聲音是“Good bye”，希望接下來它就學會了，你給它一個新的聲音，它就可以幫你產生語音辨識的結果，
你只是需要交換下告訴它：看到這張圖片，你要說這是猴子；看到這張圖片，然后說是貓；看到這張圖片，可以說是狗，它具有影像辨識的能力，接下來看到它之前沒有看過的貓，希望它可以認識，
機器學習相當于尋找一個function，讓機器具有一個能力，
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資料是什么，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標注出來，這些function的output叫做label，
分類問題
這里說的是需要讓機器做選擇，一個是二分類，一個是多分類，這里還有一個模型選擇，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支持向量機也是非線性的，
半監督學習
其實就是少量有標記的資料，大部分是未標記的資料，讓機器自己去識別，這里老師說這個可能沒有標記的資料可能會對機器學習的學習程序有幫助，說后面會說，
遷移學習
假設我們要做貓和狗的分類問題，我們也一樣，只有少量的有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么特別的關系的，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片還是影片圖片（涼宮春日，御坂美琴）你有這一大堆不相干的圖片，它到底可以帶來什么幫助，這個就是遷移學習要講的問題，
無監督學習
通俗，就是沒有任何標記的資料下，讓機器自己學習，
監督學習中的結構化學習
很多教科書說，機器學習只有分類和回歸問題，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就是強化學習的產物啊，
P2為什么要學機器學習
再厲害的AI也需要一個AI訓練師提供可靠的模型和損失函式，沖沖沖！~~
學習筆記出處：
李宏毅《機器學習》
開源bijidatawhale：
開源筆記datawhale
麻煩大家一鍵三連~~
本次組隊隊伍名稱：時空跳躍的節點
感謝Datawhale開源社區
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/294382.html
標籤：AI