-
人工智能,机器学习和深度学习的关系?人工智能是目标,机器学习是1980年发现的用于实现人工智能的手段,深度学习是2010年后发展的一种属于机器学习的方法。
-
手工规则(hand-crafted rules):僵硬,无法面对新情况
机器学习:程序用来提供学习的能力(Looking for a function from data)
-
通过训练数据,得到function的损失程度,从而获取最佳的function。
-
Machine Learning的分类:
Supervised Learning, Semi-supervised Learning, Unsupervised Learning, Transfer Learning,Reinforcement Learning
-
Supervised Learning的分类:
- 回归:目标函数的输出是数值型
- 分类:目标函数的输出的是离散型,分类里面包含了深度学习和十大传统的机器学习算法(svm,knn…)
- Structured Learning:语音识别和机器翻译等工作(全新的领域,目前问题较多)
-
Supervised Learning vs Reinforcement Learning
Supervised Learning: Learning from teacher(对或者错)
Reinforcement Learning: Learning from critics(惩罚机制)
最后一句, 数据决定情景(scenario),不同的情景下都有类似的task,不同的task下有类似的method,只是没有展开而已。
李宏毅机器学习——学习笔记(1)
猜你喜欢
转载自blog.csdn.net/m0_37757740/article/details/88001101
今日推荐
周排行