李宏毅機器學習筆記-1 機器學習簡介(Intro of Machine Learning)

• 什麼是機器學習呢?
• 就是讓機器學會如何學習 
• 是實現人工智慧的一種手段(Method) 
• 那機器自己學習就好了啊?
• 神奇寶貝也有神奇寶貝訓練師呀，而以後就需要機器學習的訓練師，酷吧?
• 那麼機器如何學會學習? 

1.  建立一些Function = Model
2. Goodness of function 靠Traning Data選一個最好的Function 
3. 放到Testing set去測試這個function 好不好

• Supervised Learning 
• Regression
• The output of the target is scalar
• 譬如：房價預測，跟數字有關的。
• Classification 
• Binary Classification 
• 譬如：癌症檢驗、Spam filtering(過濾垃圾郵件)
• Multi-Class Classification 
• 分類新聞：政治、體育、財金
   
• Linear Model
• Non-linear Model
• Deep Learning
• Alpha Go
• Support Vector Machine 
• Decision Tree
• K-NN
• Structured Learning(未知世界，像是獵人裡頭的暗黑大陸)
• Beyond Classification (不只是單純的分類而已，而是有結構性的)
• 譬如：語音辨識、翻譯、人臉辨識
• Unsupervised Learning 
• 沒有Label!!!
• 自己看堆文件/動物
• Transfer Learning 
• 譬如不相干的圖片拿來當Traning Set ，你要訓練如何辨識貓狗卻混入了人和車子
• Reinforcement Learning
• 靠Reward來訓練，譬如下棋
• 沒Data的時候
• 沒辦法用SL的時候再來用Reinforcement Learning
• Alpha Go =Reinforcement Learning + Deep Learning
• Simi-supervised 
• 可以減少Label的使用
• 也可以把沒Label的資料拿來使用 

• Scenario=多少Label的意思
•  
• Task= 要解的問題
• Regression
• Classification 
• Structured Learning 
• Method
• 對同樣的Task，可以試看看不同方法。

其中Supervised Learning(SL)和Unsupervised Learning主要的差異在，SL有已知的output
，也就是Label，你知道答案是什麼，而UL你不知道真正的答案是什麼。