0
点赞
收藏
分享

微信扫一扫

1.基础知识

落花时节又逢君to 2022-04-04 阅读 84
机器学习

关于人工智能&机器学习&深度学习

1.Artificial Intelligence(人工智能)

Artificial Intelligence(人工智能)是我们要实现的目标

2.Machine Learning(机器学习)

Machine Learning(机器学习)是我们实现AI的手段。类似于Looking for a function from data(从一堆数据中找到最适合的函数)。

应用:

  1. Speech Recognition(语音识别)
  2. Image Recognition(图像识别)
  3. Playing GO(下围棋)

3.Deep Learning(深度学习)

Deep Learning(深度学习)是Machine Learning的一种方法

机器学习相关的scenario(情景)

Relation between Terminology

1.Supervised Learning(监督式学习)

1.基本框架

  1. 假设我们有一个function set(也叫Model,模型)和一些Training Data(训练数据,包括 function input 和 function output)。
  2. 我们根据Model和Training Data得到Goodness of function f f f(函数 f 的优度)。
  3. 根据 function f 的优度,选择”最好”的函数 f ∗ f^* f
  4. 使用函数 f ∗ f^* f

2.Supervised Learning下的任务

1.Regression(回归)

The output of the target function f is “scalar”.

举例:
预测PM2.5:根据历史数据(今天上午的PM2.5,昨天上午的PM2.5等)预测明天上午的PM2.5。

2.Classification(分类)

Binary Classification

举例:
Spam Filtering(垃圾邮件过滤):输出邮件是否是垃圾邮件。

Multi-class Classification

举例:
Document Classification(文件分类)。

3.Structured Learning(结构化学习)

Beyond Classification。

2.Semi-supervise Learning(半监督式学习)

3.Unsupervised Learning(无监督式学习)

4.Transfer Learning(迁移学习)

5.Reinforcement Learning(强化学习)

Supervised Learning v.s. Reinforcement Learning

  • Supervised Learning:learning from teacher。
  • Reinforcement Learning:learning from critics(评价)。
举报

相关推荐

0 条评论