欢迎使用Markdown编辑器

以下所有学习内容源于李宏毅老师的《机器学习》一课，

链接：李宏毅《机器学习》_哔哩哔哩_bilibili

概念

   人工智慧是我们想要达成的目标，而机器学习是想要达成目标的手段，希望机器通过学习方式，他跟人一样聪明。机器学习是研究计算机模仿人类学习的过程，利用新的数据改善自身的性能，是人工智能的核心。
     而深度学习和机器学习有什么关系呢？深度学习就是机器学习的其中一种方法。 

机器学习本质

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他的资料，它去寻找出我们要寻找的function。还有很多关键问题都可以想成是我们就是需要一个function。

机器学习三部曲

1.根据模型应用构建多个function
2.让machine实际运用衡量一个function是好还是不好
3.让machine通过一个好演算法挑出最好的function

机器学习相关的技术

‘’‘’

监督学习：
定义：根据已有的数据集，知道输入和输出结果之间的关系。根据这种已知的关系，训练得到一个最优的模型。也就是说，在监督学习中训练数据既有特征(feature)又有标签(label)，通过训练，让机器可以自己找到特征和标签之间的联系，在面对只有特征没有标签的数据时，可以判断出标签。

通俗一点，可以把机器学习理解为我们教机器如何做事情。

监督学习的分类：回归(Regression）、分类（Classification)

无监督学习：我们不知道数据集中数据、特征之间的关系，而是要根据聚类或一定的模型得到数据之间的关系。

可以这么说，比起监督学习，无监督学习更像是自学，让机器学会自己做事情，是没有标签（label）的。从无标注数据中学习预测模型的机器学习问题，本质是学习数据中的统计规律或潜在结构

强化学习：智能系统在与环境的连续互动中学习最优行为策略的机器学习问题

半监督学习：利用标注的数据和未标注的数据学习预测模型的机器学习问题

主动学习：机器不断主动给出实例让教师进行标注，然后利用标注数据学习预测模型的机器学习问题
————————————————

同样的颜色不同的方块是同一个类型的，这边的蓝色的方块，指的是学习的情景，通常学习的情景是你没有办法控制的。比如，因为我们没有data做监督学习，所以我们才做reinforcement learning。现在因为Alpha Go比较火，所以Alpha Go中用到的reinforcement learning会被认为比较潮。所以说有学生去面试，说明自己是做监督学习的，就会被质疑为什么不做reinforcement learning。那这个时候你就应该和他说，如果我今天可以监督学习，其实就不应该做reinforcement learning。reinforcement learning就是我们没有办法做监督学习的时候，我们才做reinforcement learning。红色的是指你的task，你要解的问题，你要解的这个问题随着你用的方程的不同，有regression、有classification、有structured。所以在不同的情境下，都有可能要解这个task。最后，在这些不同task里面有不同的model，用绿色的方块表示。