李宏毅机器学习（2017full）-Lecture 0-1: Introduction of Machine Learning
Introduction of Machine Learning
机器学习： 写程序让机器有学习的能力
机器学习的步骤：
Model-定出function set
让mechine 可以衡量model中的function好不好，和自己的数据集和label是否相符
让机器可以自动挑出最好的方法。
regression - 输出是数值。
classification - binary二分类+multi-class classification多分类
机器学习类别
supervised learning 监督学习。全有label，告诉我们input和output之间的关系
semi-supervised learning半监督学习。只有少量的标记好的label，另外还有大量猫和狗的图片，但是没有label
transfer learning。迁移学习。做猫狗分类，有少量label data，另外有其他不属于猫狗大量data，有的有label有的没
-
unsupervised learning。无监督学习。大量没有label的数据。 看了大量的例子之后，可不可以自己创造出来。
（比如看了大量文章，是否可以学会其中词汇的意思。看了很多动物自后是否可以自己创造出来动物。只有function的output去训练，机器怎么学习去生成新的。）
-
reinforcement learning。 强化学习
- supervised （learning from teacher）有带结果的数据。
- reinforcement （learning from critics）没有告诉机器正确答案，只知道自己做的好不好。
ML Problem
regression
-
classification
Regression和Classification的区别是机器输出的东西类别不同
- regression输出是数值
- classfication。输出是或否（二分类）、类别（多分类）
-
structured learning。【！】 输出有结构性的物件，而不同于。
比如 语音识别（输出是有结构的句子），机器翻译（中句子->英文句子），人脸识别
GAN -新的structured learning方法。
AlphaGo
- supervised learning-开始用棋谱去训练学习
- reinforce learning- 棋谱不多了，所以需要有一个对手，跟另一个机器进行学习。
scenario- 学习的情景，通常是自己没有办法控制（比如我们没有方法做训练，所以用reinforce）由你手中的数据决定
task-你要解决的问题。根据你找的function和output不同进行（每种scenario都需要去解决这些task）
methods- 同样的task，用不同的方法去解决。
绿色在每个红色方框都有，红色在每个蓝色方框里面都有。
reinforce learning 是没有办法做supervised learning 的时候才做的。
李宏毅机器学习（2017full）课程列表
Lecture 0-1: Introduction of Machine Learning视频