机器学习介绍-李宏毅机器学习
一、Artificial Intelligence
- hand-crafted rules
这些规则我们通常称hand-crafted rules，叫做人设定的规则。非常的僵化，而用hand-crafted rules创造出来的machine，它永远没有办法超过它的创造者人类。人类想不到东西，就没办法写规则，没有写规则，机器就不知道要怎么办。所以如果一个机器，它只能够按照人类所设定好的hand-crafted rules，它整个行为都是被规定好的，没有办法freestyle。
- machine learning
Machine Learning = Looking for a Function
二、machine learning framework
第一个步骤就是找一个function，第二个步骤让machine可以衡量一个function是好还是不好，第三个步骤是让machine有一个自动的方法，有一个好演算法可以挑出最好的function。
三、机器学习相关的技术
1.监督学习
supervised learning（监督学习），监督学习的问题是我们需要大量的training data。training data告诉我们要找的function的input和output之间的关系。如果我们在监督学习下进行学习，我们需要告诉机器function的input和output是什么。这个output往往没有办法用很自然的方式取得，需要人工的力量把它标注出来，这些function的output叫做label。
Task
Regression（回归）
Regression中机器输出的是一个数值，regression时的意思是，machine找到的function，它的输出是一个scalar，这个叫做regression。eg:预测股票价格
Classification（分类）
在Classification里面机器输出的是类别。Classification问题分成两种，一种叫做二分类（Binary-class）；另一类叫做多分类（Multi-class）。eg:二分类：垃圾邮件拦截；多分类：新闻类别分类；
structured learning（结构化学习）
Function
选不同的function set就是选不同的model。Model有很多种，最简单的就是线性模型，但我们会花很多时间在非线性的模型上。在非线性的模型中最耳熟能详的就是Deep learning。当然还有SVM，决策树等很多machine learning的model。
2.非监督学习
非监督学习（Semi-supervised Learning），有少量的labelled data，但是同时又有大量的Unlabeled data。
3.迁移学习
迁移学习（Transfer Learning），同样只有少量的有label的data，但是我们现在有大量的data，这些大量的data中可能有label也可能没有label。
4.无监督学习
无监督学习（Unsupervised Learning），更加进阶的就是无监督学习，我们希望机器可以学到无师自通。在完全没有任何label的情况下，机器可以学到什么样的事情。
5.强化学习
强化学习(Reinforcement learning)，在reinforcement learning里面，我们没有告诉机器正确的答案是什么，机器所拥有的只有一个分数，就是他做的好还是不好。reinforcement learning也是比较符合我们人类真正的学习的情景，这是你在学校里面的学习老师会告诉你答案，但在真实社会中没人回告诉你正确答案。eg:Alpha Go原理：先用棋谱做监督学习，然后在做reinforcement learning，但是reinforcement learning需要一个对手，如果使用人当对手就会很让费时间，所以机器的对手是另外一个机器。