机器学习基石-林轩田 Lecture 3：Types of Learning

复习

这个是是非题（其实就是一个二元分类器）
- 信用卡的是否分发。
- 电子邮件是否是垃圾邮件
- 病人是否生病
- 广告是否会赚钱
- 这个学生是否能够答对这一题

机器学习种类

多类机器学习

把你投入的硬币分类(1c, 5c, 10c, 25c)。
y = {1c,5c,10c,20c} -> y = {1,2,…,K}
二元分类就是K = 2的时候

回归：病人预测问题

二元分类：病人是否生病。
多类分类：病人特征，是否得了癌症。
回归：病人能什么时候恢复。
这种方法在统计中非常重要，机器学习有非常多可以借鉴统计的工具。

自然语言辨识（自动词性标注）

I(pronoun) love(verb) ML(noun).
把词分类，分成各个词性的类。
结构学习
- 如何通过句子得到结构。
- 如何通过结构特性得到结果。
蛋白质结构数据->得到蛋白质折叠情况。
语音数据->语音解析树

小总结

二元分类
多类分类
回归
结构学习
核心是变换输出Y的维度。

学习方式

监督学习

把所有硬币都正确的分类，告诉你硬币分类的定义。

非监督学习

不告诉你硬币的信息，让你对它进行聚类。
方法
- 聚类
- 密度估测(density estimation)
- 异常检测（outlier detection)

半监督学习

很多数据难以标签或者需要花很长时间标签。
就标注一部分，然后让机器去学习。
应用
- 脸部识别
- 药物识别（人体动物实验）

强化学习

训练动物、宠物，你没有办法直接和他沟通
但是你能够通过惩罚，你能让他明白他做了一个错误的判断。
你没有办法直接告诉他你做的是对的，但是你可以通过奖励或惩罚告诉他是否正确。
“不是在原先的结果上做惩罚，而是在其他参数上进行奖励或惩罚”。
应用
- 网络广告系统（观众什么时候会点击广告）
- 棋类系统（下了这部棋，是赢是输）
- 学习的动作序列式的发生，呈现一个仿真的过程。

小总结

监督学习
非监督学习
半监督学习
强化学习

机器学习基石-林轩田 Lecture 3：Types of Learning相关推荐

【机器学习】机器学习基石-林轩田-2-Learning to Answer Yes_No
机器学习基石-林轩田-2-Learning to Answer Yes_No 本节内容引例 A Simple Hypothesis Set: Perceptron Perceptron Learni ...
机器学习基石机器学习技法林轩田课件 ppt
下载地址:https://www.csie.ntu.edu.tw/~htlin/mooc/ 这是林轩田在台大的个人网页,两种课的课件都有 Machine Learning Foundations Ma ...
机器学习基石(林軒田)笔记之十二
Nonlinear Transformation(非线性转换) 回顾在第十一讲中我们介绍了如何通过(logistic)回归来处理二分类问题,以及如何通过OVA/OVO分解来解决多分类问题. Quad ...
机器学习基石(林軒田)笔记之十三
Hazard of Overfitting(过拟合的危害) 回顾上一讲中我们学习了(非线性转换) What is Overfitting? 什么是过拟合? 1.假设输入空间为一维的,共有五个样本点的 ...
林轩田机器学习基石（Machine Learning Foundations）笔记（一）
要求两周之内看完林轩田机器学习基石和技法,速度是要的,但是感觉看得太快我会不久就会忘记.因此记录一下梗概,顺便写写看视频时解决的不懂的地方(有种思想就是把知识传播给更多人,有时候就是靠大佬们善意的一句 ...
台大林轩田·机器学习基石记要
台大林轩田·机器学习基石记要昨天开始看林轩田的机器学习基石,从今天起开始去粗取精第一讲比较基础,一些概念自己早已经理解了,所以不再做笔记,有点印象的是讲到了ML.DL.AI的一些联系与区别,ML主 ...
台湾国立大学（林轩田）《机器学习基石》（第3讲）Types of Learning
课程地址:https://class.coursera.org/ntumlone-001/class 课件讲义:http://download.csdn.net/download/malele4th/ ...
台湾大学林轩田机器学习基石课程学习笔记3 -- Types of Learning
红色石头的个人网站:redstonewill.com 上节课我们主要介绍了解决线性分类问题的一个简单的方法:PLA.PLA能够在平面中选择一条直线将样本数据完全正确分类.而对于线性不可分的情况,可以使 ...
机器学习基石（台湾大学林轩田），Lecture 1: The Learning Problem
课程的讲授从logo出发,logo由四个图案拼接而成,两个大的和两个小的.比较小的两个下一次课程就可能会解释到它们的意思,两个大的可能到课程后期才会解释到它们的意思(提示:红色代表使用机器学习危险,蓝 ...

机器学习基石-林轩田 Lecture 3：Types of Learning

复习

机器学习种类

多类机器学习

回归：病人预测问题

自然语言辨识（自动词性标注）

小总结

学习方式

监督学习

非监督学习

半监督学习

强化学习

小总结

机器学习基石-林轩田 Lecture 3：Types of Learning相关推荐

最新文章

热门文章