一.机器学习介绍

1.机器学习介绍

以前的人工智慧完全是依靠人制定的规则行事，而机器学习相比增加自主学习即自己制定规则的能力。怎么做到呢？就是通过提供给他的资料，学习出来一个function。

2.机器学习想关的技术

a.监督学习

Regression：输出是scalar，是可以是连续中的一个数值。

Classification:输出的是类别，如二分类，多分类。

监督学习：提供给机器的function set 是有输入input 和输出 label 的，什么输入对应什么输出。

对于训练出来的model可能有线性模型和非线性模型，非线性模型如Deep leaning.

b.半监督学习

function set中既有labelled data,又有 unlabelled data

c.迁移学习

也是用来减少data用量，比如做猫狗分类问题时，一大堆不相干的图片（凉宫春日，御坂美琴）等图片可以带来什么帮助。

d.无监督学习

完全没有任何label的情况下，机器学习特征。

举例来说，如果我们给机器看大量的文章（在去网络上收集站文章很容易，网络上随便爬就可以）让机器看过大量的文章以后，它到底可以学到什么事情。

举另外一个无监督学习的例子：假设我们今天带机器去动物园让它看一大堆的动物，它能不能够在看了一大堆动物以后，它就学会自己创造一些动物。那这个都是真实例子。仔细看了大量的动物以后，它就可以自己的画一些狗出来。有眼睛长在身上的狗、还有乳牛狗等等。

e.监督学习中的结构化学习

在machine要解的任务上我们讲了Regression、classification，还有一类的问题是structured learning。

structured learning 中让机器输出的是要有结构性的，举例来说：在语音辨识里面，机器输入是声音讯号，输出是一个句子。句子是要很多词汇拼凑完成。它是一个有结构性的object。或者是说在机器翻译里面你说一句话，你输入中文希望机器翻成英文，它的输出也是有结构性的。或者你今天要做的是人脸辨识，来给机器看张图片，它会知道说最左边是长门，中间是凉宫春日，右边是宝玖瑠。然后机器要把这些东西标出来，这也是一个structure learning问题。