当先锋百科网

首页 1 2 3 4 5 6 7

序言:本人在研一下学期选修了深度学习和机器学习课程,但只能算通过课程考核,对重要的核心思想理解甚微。故打算通过李宏毅老师的视频(2017和2021春)以及2014年斯坦福的机器学习教程重新理解并作此文,希望未来的科研在相关知识的理解和应用上有所精进,也希望本博客对志同道合的学习者有所助益。
(重点在个人理解,深度学习部分会更详细)

机器学习理念

希望机器和人一样聪明,提出人工智慧。希望机器有学习的能力,采用的手段就是机器学习。首先考虑生物的行为,它取决于两件事,一个是后天学习的结果,另一个是先天的本能。“先天的本能”可以理解成事先设计的规则,但是对于机器来说,过多的规则非常死板,它也不会超过设计它的人,这不是人工智慧。

不过,一个聪明的AI模型离不开优秀的AI训练师,模型的选择和评估指标的确定就是关键,所以我们需要学习机器学习。

机器学习的思路

来自李宏毅老师课件
(图片来自李老师视频)

machine learning所做的就是在寻找一个function,对于特定任务,要让机器拥有一个有效率的演算法,从function的set里面挑出最好的function

机器学习相关技术

这里提及的相关技术,我理解为广义的分类。(个人认为深度学习也就是一种基于监督学习的框架方法)

  • 监督学习,使用标记DATA
    • 回归,输出一个值
    • 分类,输出类别(方法分为)
      • 线性模型
      • 非线性模型
        • 决策树,K-NN
        • 深度学习
    • 结构化学习
  • 减少标注DATA的两种方法
    • 半监督学习
    • 迁移学习,考虑问题的相关性
  • 无监督学习,没有标记数据,找到数据中的结构
    • 聚类
    • 鸡尾酒问题,SVD(斯坦福教程)
  • 强化学习,没有data做监督学习

参考资料:
1.李宏毅老师视频
https://www.bilibili.com/video/BV1Ht411g7Ef