# 什么是Machine Learning
- Looking for function from data（從很多數(shù)據(jù)中找到解決問(wèn)題的方法）
- Machine Learning 的框架分為 Model(A set of function), Training Data, Goodness of function
機(jī)器學(xué)習(xí)一共分為三個(gè)步驟
- Define a set of function（找到一組方法）
- goodness of function（擁有評(píng)估function的評(píng)估方法）
- pick the best function（找到一個(gè)最好的function）
學(xué)習(xí)路徑
- Supervised Learning：有 Input 和 Output讶迁，Output 的 label 通常要人工來(lái)評(píng)測(cè)是否是正確的
- Regression （回歸）
- 輸出通常是一個(gè)數(shù)值
- 如：給定歷史的PM2.5的值，來(lái)預(yù)測(cè)明天上午的PM2.5的值
- Classification （分類）
- Binary Classification: yes or no
- Multi-class-Classification: class1, class2 ...
- Linear Model
- Non-Linear Model：Deep Learning, SVM, Desicion Tree, K-NN
- Regression （回歸）
- Semi-Supervised Learning
- 有少部分 labelled 的貓狗圖片，和大部分 unlabelled 的貓狗圖片，這部分 unlabelled 的貓狗圖片，也會(huì)對(duì)機(jī)器的學(xué)習(xí)有幫助
- Transfer Learning
- 有 labelled 的貓狗圖片，和一堆不相干的其他內(nèi)容的圖片，需要機(jī)器自己來(lái)識(shí)別是不是貓狗
- Unsupervised Learning
- 學(xué)習(xí)的時(shí)候症见，只給機(jī)器一大堆的數(shù)據(jù)，不輸出內(nèi)容殃饿，也就是不給標(biāo)簽化谋作。比如：給機(jī)器訓(xùn)練龐大的新聞內(nèi)容，機(jī)器是否能給出認(rèn)識(shí)這些詞語(yǔ)
- Structured Learning
- 語(yǔ)音識(shí)別乎芳，機(jī)器翻譯遵蚜，人臉識(shí)別
- Reinforcement Learning
- Reinforcement Learning 通過(guò)評(píng)價(jià)來(lái)學(xué)習(xí)（不斷試錯(cuò)，找到更好的方法）
- Supervised Learning 通過(guò)人工指導(dǎo)來(lái)學(xué)習(xí)
- Alpha Go 一開(kāi)始用的是Supervised Learning奈惑，后來(lái)用的是Reinforcement Learning
