机器学习概述

机器学习介绍
机器学习相关技术介绍

前言

随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

一、机器学习是什么？

机器学习概括来说利用数据在预设的诸多模型(function)中选取能够最大程度满足预期的模型(function)的一个过程。

step2：让机器衡量模型的好坏
step3：利用评价系统选出最好模型

二、机器学习相关技术

1.监督学习

监督学习(supervised learning)需要大量含有输入（input）与输出（输出）之间对应的数据，而模型（function）即为输入与输出的映射关系。
输出（output）数据往往需要人工进行标注，标注即称为label

回归（regression）问题

Regression是一种machine learning的task，当我们说：我们要做regression时的意思是，machine找到的function，它的输出是一个scalar。

逻辑回归（logic regression）（又称分类 classification）

在Regression中机器输出的是一个数值，在Classification里面机器输出的是类别。假设Classification问题分成两种，一种叫做二分类输出的是是或否（Yes or No）；另一类叫做多分类（Multi-class），在Multi-class中是让机器做一个选择题，等于是给他数个选项，每个选项都是一个类别，让他从数个类别里选择正确的类别。

2.半监督学习

训练数据中包含少量的标记数据，但含有大量的未标记数据。

3. 迁移学习

假设我们要做猫和狗的分类问题，只有少量的有label的data，大量没有label照片，其中很多别的动物照片，那么这些动物对分类有什么帮助，这种 f学习过程叫迁移学习。

4. 无监督学习

无监督学习常常被用于数据挖掘，用于在大量无标签数据中发现些什么。它的训练数据是无标签的，训练目标是能对观察值进行分类或者区分等。

5.强化学习

利用评价机制不断由模型的泛化能力

p2:为什么要学习机器学习

为机器挑选合适的model和loss function。不同的model和loss function适合解决不同的问题。

总结