机器学习是什么
老师列举了个实例漫画，一个机器人被切开了后里面都是if（else），这种机器人不具备自我学习的能力
机器学习 是根据我们的大量数据寻找到一个function函数，以获得对新数据的预测（回归）或识别（分 类）的过程
插图1 训练好数据实现分类，输入一张猫图片，输出cat
回归
函数输出是个 数值（连续或区间连续）
分类
函数输出是0,1,2,3……(包括多分类和二分类)
二分类
函数输出是0,1即yes,no，如判断是否为垃圾邮件，是不是一只猫
多分类
函数输出是多个类0,1,2,3等等，如判断文章属于什么类型（政治，社会，经济，体育等）
插图2 机器学习图谱
分类学习有无监督
监督
数据有对应的标签（已分类好）
可分为有监督，无监督，半监督
半监督，测试数据部分没有标签，可能只有小部分有标签，但是没有标签的数据是有用的
无监督，测试数据没有标签（无法通过标签直接判别验证），如让机器自己看大量文章，进行分类等等
插图3 无监督学习--机器去动物园看到这些动物，能否自己创造新的动物
迁移学习 transfer learning
如要训练猫狗的分类，有大量无关的图片数据（可能部分有标签）
插图4 迁移学习
结构学习structure learning
输入数据，提取多个信息（目前有很多技术尚未被探明）
插图5 结构学习
强化学习reinforcement learning
常常是因为没有办法做监督学习（缺少数据）
与监督学习相比，监督学习会给出正确答案，而强化学习会给出一个评价
如聊天机器人跟人聊天，人给出对话评价，机器学会总结
如alpha go下棋，给出下棋的评价（其实alpha go是监督学习和强化学习的结合）
插图6
