P1–機(jī)器學(xué)習(xí)介紹

• 我們?yōu)槭裁匆獙W(xué)習(xí)機(jī)器學(xué)習(xí)
• 機(jī)器學(xué)習(xí)是什么
• 機(jī)器學(xué)習(xí)的learning map

我們?yōu)槭裁匆獙W(xué)習(xí)機(jī)器學(xué)習(xí)
現(xiàn)有的機(jī)器學(xué)習(xí)有很多種方法，比如在圖像分割領(lǐng)域有傳統(tǒng)基于水平集活動(dòng)輪廓模型，分水嶺模型，基于深度學(xué)習(xí)的方法。這么多種方法對(duì)所有的分割任務(wù)都有作用嗎？答案是否定的。因此對(duì)于不同的任務(wù)需要不同的模型，我們的任務(wù)就是要尋找合適的模型解決遇到的問題。

機(jī)器學(xué)習(xí)是什么？
機(jī)器學(xué)習(xí)是什么：機(jī)器學(xué)習(xí)就是找到合適的函數(shù)根據(jù)提供的資料給出合理的答案
機(jī)器學(xué)習(xí)的框架：
step1: 給出一個(gè)function（不止一個(gè)）
step2：衡量function的好壞（在分類任務(wù)里面就是分類的準(zhǔn)確性）
step3:有一個(gè)好的演算法挑出最好的一個(gè)function

機(jī)器學(xué)習(xí)的learning map

Regression: 機(jī)器學(xué)習(xí)的一種test

Classification

有監(jiān)督學(xué)習(xí)：使用標(biāo)注數(shù)據(jù)
半監(jiān)督學(xué)習(xí)：使用少量標(biāo)注數(shù)據(jù)
無監(jiān)督學(xué)習(xí)：學(xué)習(xí)做到無師自通
structured Learning：輸出有結(jié)構(gòu)的結(jié)果
音頻—>文字

Supervised learning：手把手教給它
Reinforcement：從評(píng)價(jià)中學(xué)習(xí)

圖片源自：李宏毅機(jī)器學(xué)習(xí)

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內(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。