机器学习的介绍
- 机器学习(Machine Learning)：就是让机器具有学习的能力。
- 人工智慧(Artificial Intelligence)：希望机器通过学习方式，他跟人一样聪明。
- 深度学习(Deep Learning)：机器学习的其中一个方法。
我们要做的其实是让机器他有自己学习的能力，也就我们要做的应该machine learning的方向所谓machine learning的方向，就是写段程序，然后让机器人变得了很聪明，他就能够有学习的能力。
机器学习相关的技术
从数据的维度划分，我们可以分为如下几个类别（学习的情景）：
- 监督学习（Supervised Learning）：大量有标签数据。（告诉机器正确答案是什么）
- 半监督学习（Semi-supervised Learning）：少量有标签数据+大量无标签数据。
- 迁移学习（Transfer Learning）：少量有标签数据+大量有标签或无标签数据。
- 无监督学习（Unsupervised Learning）：大量无标签数据。
- 强化学习（Reinforcement Learning）：不告诉机器正确答案是什么，机器只有一个分数用于评估结果的好坏，在根据反馈结果不断学习。即从评价中学习。（在没有办法做监督学习时才选择强化学习）
在监督学习中，又分为如下几个类别：
- 回归（Regression）：目标函数的输出是一个标量。
- 分类（Classification）：分为二元分类（输出是或否）和多元分类（输出正确的类别）。
例如，垃圾邮件分类器是二元分类器，文章分类是多元分类器。
在分类过程中选择不同的函数集合就会得到不同的模型。
例如：线性模型，非线性模型（深度学习，支持向量机，决策树，KNN…）
- 结构化（Structured Learning）：机器输出的是一个有结构性的对象。
参考链接
笔记在线阅读地址
在线阅读地址：https://datawhalechina.github.io/leeml-notes课程在线观看地址 bilibili：https://www.bilibili.com/video/av59538266