李宏毅机器学习——机器学习介绍
1. 机器学习简介
机器学习是人工智能的一部分, 研究如何让计算机从数据学习某种规律。机器学习的目的是通过计算机程序根据数据去优化某一个评价指标，自动的从数据发现规律, 使用这些规律做出预测。
如图，机器学习可以简化为三个步骤，一、找一个function，二、让machine评价这个function，三、让machine自动地挑出最好的function。
2. 机器学习分类
机器学习可大致分为监督学习、无监督学习、半监督学习、迁移学习和强化学习。
2.1 监督学习
监督学习是机器学习任务的一种。它从有标签的训练数据中推导出预测函数。有标签的训练数据是指每个训练实例都包括输入和期望的输出。简单来说就是给定数据，预测标签。
监督学习包括分类和回归。
2.2 无监督学习
无监督学习是机器学习任务的一种。它从无标签的训练数据中推断结论。它可以在探索性数据分析阶段用于发现隐藏的模式或者对数据进行分组。简单来说就是给定数据，寻找隐藏的结构。
无监督学习包括聚类和降维。
2.3 半监督学习
半监督学习介于监督学习与无监督学习之间。半监督学习的任务与监督学习一致，任务中包含有明确的目标，如分类。但其所采用的数据既包括有标签的数据，也包括无标签的数据。简单来说，半监督学习是同时运用了标签数据和无标签数据来进行训练的监督学习。
2.5 迁移学习
迁移学习是把已训练好的或者模型（预训练模型）参数或者标注数据迁移到新的模型来帮助新模型训练。其中需要关注的是源领域与目标领域之间相关性。
2.6 强化学习
强化学习是机器学习的另一个领域。它关注的是软件代理如何在一个环境中采取行动以便最大化某种累积的回报。简单来说就是给定数据，学习如何选择一系列行动，以最大化长期收益。
强化学习包括马尔可夫决策过程和动态规划。
