[Machine Learning] 1 概述

[Machine Learning] 1 概述

点Ta

• • 1 概述
  • • 1.1 Learning Map
    • 1.2 Supervised Learning(监督学习)
    • • 1.2.1 Case1: Housing price prediction
      • 1.2.2 Case2: Breast cancer (malignant,benign)
    • 1.3 Unsupervised Learning(无监督学习)
    • • 1.3.1 Case: Cocktail party problem algorithm
    • 1.4 Semi-supervised Learning(半监督学习)
    • 1.5 Transfer Learning(迁移学习)
    • 1.6 Structured Learning(结构化学习)
    • 1.7 Reinforcement Learning(强化学习)

1 概述

机器学习即在特定编程的情况下，使用计算机作为工具并致力于真实并实时的模拟人类学习方式， 将现有内容进行知识结构划分以提高学习效率。

根据训练数据是否拥有标记信息，可大致分为：“监督学习”和“无监督学习”。可理解为，监督学习是指我们将教计算机如何去完成任务；而在无监督学习中计算机自己进行学习。分类和回归是前者的代表，聚类是后者的代表。

1.1 Learning Map

蓝色方块指的是scenario，即学习的情境。通常学习的情境是我们没有办法控制的，比如做reinforcement Learning是因为我们没有data、没有办法来做supervised Learning的情况下才去做的。如果有data，supervised Learning当然比reinforcement Learning要好；因此手上有什么样的data，就决定你使用什么样的scenario。

红色方块指的是task，即要解决的问题。你要解的问题，随着你要找的function的output的不同，有输出scalar的regression、有输出options的classification、有输出structured object的structured Learning…

绿色的方块