干货|李宏毅ML课程[1]Learning Map

下面ppt均来自李宏毅老师上课讲义~主要是记录自己在学习李老师课程的一些自己的笔记~

首先介绍一下本文要学习的东西~如下图。

根据上图，包括监督学习，非监督学习，半监督学习，迁移学习，增强学习等内容，每一个模块中又有不同内容。

比如其中监督学习不包括线性模型，非线性模型等等

Regression

回归模型的特性，是目标函数的输出是一个标量。

比如：输入是今天上午的PM2.5，以及昨天的PM2.5，要求输出明天上午的PM值（一个标量）

如下图表示：

那么训练数据表示格式如下：

然后通过训练算法，学习得到一个模型。

Classification

其中包括二分类问题，如下：

 也包括多分类问题：

其中二分类典型的应用是，刷选垃圾邮件。如下：

每来一个邮件，进行判断是否是垃圾邮件（二分类问题）

其中多分类问题的一个应用是判断文档的主题，如下：

来了一篇文章，我们判断是政治类，经济类或者是体育类，还是其它类别~

Deep Learning

当然这些问题也可以用深度学习来解决。

其中，我们用CNN来作为学习分类器，判断最终的所属类别。

转自：自然语言处理与机器学习