tiger94me

在ＤＡＴＡｗｈａｌｅ的組織下，開(kāi)始新的一輪深度學(xué)習(xí)，感謝組織，感謝沐神．

機(jī)器學(xué)習(xí)（machine learning，ML）是一類強(qiáng)大的可以從經(jīng)驗(yàn)中學(xué)習(xí)的技術(shù)。 通常采用觀測(cè)數(shù)據(jù)或與環(huán)境交互的形式，機(jī)器學(xué)習(xí)算法會(huì)積累更多的經(jīng)驗(yàn)，其性能也會(huì)逐步提高。

• 數(shù)據(jù)
  • 遵循獨(dú)立同分布(independently and identically distributed, i.i.d.)（大多數(shù)情況，假設(shè)的前題）
  • 由一組稱為特征（features，或協(xié)變量（covariates））的屬性組成
  • 器學(xué)習(xí)模型會(huì)根據(jù)這些屬性進(jìn)行預(yù)測(cè)

　　　　　擁有越多數(shù)據(jù)的時(shí)候，工作就越容易。

　　　　　還需要正確的數(shù)據(jù)

• 模型
  • 轉(zhuǎn)換數(shù)據(jù)　將輸入數(shù)據(jù)通過(guò)模型輸出相應(yīng)數(shù)據(jù)
• 目標(biāo)
  • 定義模型的優(yōu)劣程度的度量，這個(gè)度量在大多數(shù)情況是“可優(yōu)化”的
  • 最常見(jiàn)的損失函數(shù)是平方誤差
• 算法
  • 搜索出最佳參數(shù)，以最小化損失函數(shù)
     

２．機(jī)器學(xué)習(xí)分類

２．１監(jiān)督學(xué)習(xí)

2.1.1回歸

任何有關(guān)“有多少”的問(wèn)題很可能就是回歸問(wèn)題

2.1.2分類

 “哪一個(gè)”的問(wèn)題叫做分類（classification）問(wèn)題

2.1.3標(biāo)注

學(xué)習(xí)預(yù)測(cè)不相互排斥的類別的問(wèn)題稱為多標(biāo)簽分類（multi-label classification）

2.1.4搜索

在海量搜索結(jié)果中找到用戶最需要的那部分

2.1.5推薦

與搜索和排名相關(guān)的問(wèn)題是推薦系統(tǒng)（recommender system），它的目標(biāo)是向特定用戶進(jìn)行“個(gè)性化”推薦

2.1.6序列

 序列學(xué)習(xí)需要攝取輸入序列或預(yù)測(cè)輸出序列，或兩者兼而有之。 具體來(lái)說(shuō)，輸入和輸出都是可變長(zhǎng)度的序列

２無(wú)監(jiān)督學(xué)習(xí)

不含有“目標(biāo)”的機(jī)器學(xué)習(xí)問(wèn)題通常被為無(wú)監(jiān)督學(xué)習(xí)

• 聚類
• 主成分分析
• 因果關(guān)系
• 生成對(duì)抗網(wǎng)絡(luò)

２．３與環(huán)境互動(dòng)

２．４強(qiáng)化學(xué)習(xí)

在每個(gè)特定時(shí)間點(diǎn)，智能體從環(huán)境接收一些觀察（observation），并且必須選擇一個(gè)動(dòng)作（action），然后通過(guò)某種機(jī)制（有時(shí)稱為執(zhí)行器）將其傳輸回環(huán)境，最后智能體從環(huán)境中獲得獎(jiǎng)勵(lì)（reward）。 此后新一輪循環(huán)開(kāi)始，智能體接收后續(xù)觀察，并選擇后續(xù)操作，依此類推。