机器学习概论

什么是机器学习

机器学习是从人工智能中产生的一个重要分支，是实现智能化的分支。

百度百科是从机器学习做什么来定义的。

而维基百科从怎么做来定义。

机器学习的一般过程

而机器学习的重点就是图中的f(x)。

f(x)由三部分组成

• 模型
• 策略
• 算法

模型可以是对于问题的一个假设，像让机器去学习这个东西是不是狗，如二分问题，线性二分问题等
策略是模型想要学习的目标，通俗来说，可以理解为评价标准。评价学生成绩好、道德好等。策略制定的方向将直接影响模型学习的效果。
算法将求解参数等。

机器学习方法

左图通过分类年轻人、老年人，头发是不是黑，走路是不是快来分辨他是年轻人还是老年人
右图是回归，给定10年的房价，看房价与房子面积的关系，最终实现给一个面积，得房价

而无监督学习则是没有标注的训练数据集，需要根据样本间的统计规律对样本集进行分析，常见任务如聚类等

半监督学习：结合（少量的）标注训练数据和（大量的）未标注数据来进行数据的分类学习。

两个基本假设：
1. 聚类假设：聚类样本中有相同标记，距离就更近
2. 流行假设：在流行区域内，样本示例有相似性

增强学习：外部环境对输出只给出评价信息而非正确答案，学习机通过强化受奖励的动作来改善自身的性能。
简单地说：只对算法进行评价，不告诉计算机怎么学。

多任务学习：把多个相关的任务放在一起同时学习。
具有泛化效果。