台大李宏毅机器学习2020学习笔记（一）：机器学习简介

前言

         去年走马观花式的听了一遍台大李宏毅老师的Machine Learning 2019，觉得老师讲的很好。于是打算今年细致的听一遍Machine Learning 2020，并做一份完整的笔记。前言就写这么多，从此开始吧。

机器学习内涵

        机器学习（Machine Learning），就是让机器自动找函数。如语音识别，就是让机器找一个函数，输入是声音信号，输出是对应的文字。如下棋，就是让机器找一个函数，输入是当前棋盘上黑子白子的位置，输出是下一步应该落子何处。

机器学习任务——我们想要机器找什么样的函数

•  回归（regression）

        输出是数值。如房价、PM2.5预测。

•  二元分类（binary classification）

        输出只有两种可能，正面或负面。

•  多元分类（multi-class classification）

        输出当前输入属于既定N个类别的概率值，并将N个概率值中最大者所对应的类别作为正确答案。

• 生成（generation）

        输出有结构的复杂东西。如翻译，画图。

机器学习分类-告诉机器我们想要什么样的函数

• 监督学习（supervised learning）

        如果期望机器对每一次输入都给出理想的答案，就涉及监督学习，其中分类和回归都属于监督学习。监督学习在训练时不仅需要给机器数据，同时还要给标签（label），标签即期望的正确答案，如下图（引自课程演示文稿），其中x即输入图片，y即标签。