二分類
多分類回歸
結構化學習(nlp領域相關)
無監督學習
半監督學習
有監督學習
增強學習(沒有真實的輸出y，根據模型的輸出反饋，如果反饋結果良好，更接近真實輸出，就給其正向激勵，如果反饋結果不好，偏離真實輸出，就給其反向激勵。)
batch learning
online learning
active learning(有的時候，有類標的資料比較稀少而沒有類標的資料是相當豐富的，但是對資料進行人工標註又非常昂貴，這時候，學習演算法可以主動地提出一些標註請求，將一些經過篩選的資料提交給專家進行標註。)
concetet features
raw features
abstract features
機器學習基石（6）
希望m最終能取代m 假設集大小 到底m會不會漲的很慢？假設的數量不會太多？如果長得很慢，能不能取代掉原來的m？mh成長函式 到底這個假設集，在n個點上，到底能產生多少種dichotomies？如果是positive rays，在n 2時候就露出破綻，不能產生那種情形 如果是positive inte...
機器學習基石 一 什麼是機器學習
機器學習 從data出發，最終目標是提高可以衡量的某方面表現。可以稱為機器學習的話，這個任務必須有如下三點 沒有簡單的可以定義的解決辦法途徑 例 桌面上有多少件物品是方形的?這件事情有明確定義，明確的規則，不需要機器學習來 如下圖所示 我們用文字再做一次表達 data集包括輸入x和輸出y，從x到y的...
台大機器學習基石 1
機器學習對於適用場景有一定的前提條件 可以找到某種模式 不容易程式設計實現，不能對目標下乙個簡單的定義 能找到訓練的資料，資料量越大越好 使用機器學習的乙個小例子 銀行信用卡批准 例如銀行會收到申請客戶的個人資料，然後根據個人資訊進行分析，選擇是否發放信用卡，以達到銀行最大收益。機器學習所扮演的角色...