框架

機(jī)器學(xué)習(xí)可以簡(jiǎn)化成三個(gè)步驟：

生成一系列函數(shù)

判斷函數(shù)好壞

找出表現(xiàn)最好的函數(shù)

Learning Map

監(jiān)督學(xué)習(xí)

在監(jiān)督學(xué)習(xí)中我們需要預(yù)先定義輸入數(shù)據(jù)的標(biāo)準(zhǔn)輸出作為訓(xùn)練集和驗(yàn)證集。

回歸：函數(shù)的輸出是一個(gè)數(shù)值

如：輸入歷史比特幣價(jià)格預(yù)測(cè)未來比特幣價(jià)格

分類：輸出為類別，根據(jù)類總數(shù)不同有二分類和多分類

在分類中需要選擇模型，最簡(jiǎn)單的有線性模型，其次有DL、SVM等非線性模型

結(jié)構(gòu)化學(xué)習(xí)：輸出是有結(jié)構(gòu)的，如AI翻譯后的譯文就是有結(jié)構(gòu)的。

半監(jiān)督學(xué)習(xí)

與監(jiān)督學(xué)習(xí)不同，半監(jiān)督學(xué)習(xí)不需要人為定義所有標(biāo)準(zhǔn)輸出，如下圖未定義的貓狗圖片，其可能對(duì)于學(xué)習(xí)也有幫助（TODO：查資料）

遷移學(xué)習(xí)

來自知乎：https://www.zhihu.com/question/41979241

為了節(jié)省人工標(biāo)注樣本的時(shí)間，讓模型可以通過已有的標(biāo)記數(shù)據(jù)（source domain data）向未標(biāo)記數(shù)據(jù)（target domain data）遷移。從而訓(xùn)練出適用于target domain的模型。

無監(jiān)督學(xué)習(xí)

沒有給定事先標(biāo)記過的訓(xùn)練范例，自動(dòng)對(duì)輸入的資料進(jìn)行分類或分群。無監(jiān)督學(xué)習(xí)的主要運(yùn)用包含：聚類分析（cluster analysis）、關(guān)聯(lián)規(guī)則（association rule）、維度縮減（dimensionality reduce）。它是監(jiān)督式學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等策略之外的一種選擇。

常用于聚類中。

強(qiáng)化學(xué)習(xí)

基于機(jī)器人與環(huán)境之間交互的學(xué)習(xí)，能夠解決很多有監(jiān)督學(xué)習(xí)方法無法解決的問題。

總結(jié)

以上是生活随笔為你收集整理的李宏毅机器学习-的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。