3. Types of learning
P10 3.1
输出只有2种:二元分类(是非题)
机器对于问题输出实数:回归分析/有范围回归分析
不同的y:
structured learning : y = structures 自然语言处理、蛋白质显示
P11 3.2
监督学习:给{xi,yi}
1 监督学习
2 无监督学习(非监督式):只给xi,然后机器自己分群(clustering 聚类),所以可能会错
用途:看图
3 半监督式:标记一些点
4 reinforcement learning:类似训狗
对机器的输出告知好或不好来学习,一批一批地训练
无监督学习介绍:
P12 3.3
小总结:
1 batch:喂给机器一批资料
2 online:
垃圾邮箱识别:一封一封邮件识别:online learning
持续更新w
3 active learning :机器问问题,用在取得label很贵的时候
P13 3.4
数据的输入:
1 具体的数据,机器学习难度低
2 不具体的,学习难度变高
3 抽象的数据,学习难度最难
最后第3章的小总结: