Lec 3：Types of Learning
上一節(jié)主要介紹了PLA纲辽，PLA是binary classification灾挨，二元分類問題是機(jī)器學(xué)習(xí)中非常核心基本的問題药薯。
這節(jié)主要介紹機(jī)器學(xué)習(xí)的各種types～相信每一個(gè)知道機(jī)器學(xué)習(xí)的人都有所了解薄料，所以寫的較簡(jiǎn)略～^_^～
1获诈，根據(jù)“輸出空間”Output space分類
1）classification分類：binary 二元仍源；Multiclass多元，輸出是類別
2）regression回歸：輸出是“數(shù)值”
3）Structured Learning結(jié)構(gòu)學(xué)習(xí)：例如句子結(jié)構(gòu)舔涎、蛋白質(zhì)立體結(jié)構(gòu)
and more笼踩！
2，根據(jù)“數(shù)據(jù)標(biāo)記”Data label情況分類
Supervised監(jiān)督學(xué)習(xí)：每個(gè)xn都對(duì)應(yīng)一個(gè)yn亡嫌。是最核心的一種學(xué)習(xí)嚎于，也是本門課的重點(diǎn)掘而。
unsupervised非監(jiān)督學(xué)習(xí)：只有xn，沒有yn于购，如:clustering聚類袍睡，可應(yīng)用在文章按主題分群、異常檢測(cè)
semi-supervised半監(jiān)督學(xué)習(xí)：部分xn有對(duì)應(yīng)的yn价涝，如人臉識(shí)別女蜈、藥效預(yù)測(cè)。特點(diǎn)是獲得yn的成本高或困難
reinforcement增強(qiáng)學(xué)習(xí)：nature way to learn色瘩，如教給狗sit down，如果發(fā)出sit down指令逸寓，狗沒有坐下就懲罰它居兆，做的good(不一定是對(duì)的那個(gè)yn，是你滿意的就可以)就獎(jiǎng)勵(lì)它竹伸。如訓(xùn)練一個(gè)廣告系統(tǒng)泥栖、棋牌類游戲
and more！
3勋篓，根據(jù)Protocol分類
batch learning:成批喂data給machine吧享，填鴨式學(xué)習(xí)。最核心常用的譬嚣，也是本門課著重點(diǎn)钢颂。
online learning:一筆一筆的喂data，如PLA拜银，增強(qiáng)學(xué)習(xí)殊鞭。希望隨著xn一筆一筆的到來，每一輪都修正g尼桶，g越來越好
batch和online從機(jī)器的角度看都是被動(dòng)的passive操灿，還有一種新興的學(xué)習(xí)方式:
active:機(jī)器主動(dòng)問問題，有了xn泵督，詢問yn是什么趾盐？如文本識(shí)別。通常用在取得yn貴或難的情況
4小腊，根據(jù)“輸入空間”Input space分類
concrete features:具體的data救鲤，通常帶有人類的domain knowledge。如數(shù)字識(shí)別溢豆，把是否對(duì)稱以及密度作為x=(symmetry蜒简，density)。
raw features:數(shù)字識(shí)別中像素點(diǎn)可以叫做raw features漩仙，經(jīng)常需要機(jī)器或人將其轉(zhuǎn)化為concrete features搓茬，如機(jī)器學(xué)習(xí)技法課中的deep learning可以extract features
abstract features:抽象的data犹赖，如x只包含用戶的編號(hào)，y是這個(gè)用戶對(duì)某個(gè)歌曲的評(píng)分卷仑，這時(shí)需要機(jī)器自己學(xué)到features峻村。越抽象機(jī)器需要花費(fèi)越多的力氣學(xué)習(xí)。
