笔记摘要
本次机器学习课程主要包含如下内容,较之前的课程有部分改变。
- 机器学习就是一个自动找函数的方法。
想要找什么样子的函数?
- 回归问题想要找到一个输出是数值的函数
- 分类问题想要找到一个输出分类的选择的函数
如何告诉机器你想要找什么样的函数?
-
监督学习(Supervised Learning)
用带标签的数据来训练,告诉机器什么是正确的输出。通过loss,机器可以判断函数的好坏,机器自动找出这个loss最低的函数。
-
强化学习(Reinforcement Learning)
我们并不告诉机器正确的答案,机器只会得到一个做得好不好而生成的分数,但他不知道自己到底哪里做的不好,他也没有正确的答案,而Reward是其引导的方向。
机器如何找出你想要的函数?
- 给定机器一个函数寻找的范围;
- 函数寻找的方法——Gradient Descent等。
前沿研究
- AI的可解释性
- 对抗样本
- 网络模型压缩
- 异常检测(Anomaly Detection)
- 迁移学习
- 元学习——让机器具备学习如何学习的能力
- 终身学习