原文PPT地址:
http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML17.html
视频地址:
https://www.youtube.com/watch?v=CXgbekl66jc&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49
AI、机器学习、深度学习的关系
Since an early flush of optimism in the 1950s, smaller subsets of artificial intelligence, first machine learning, then deep learning, have created ever larger disruptions.
通过河狸筑坝这种生物的本能，引出基于if else的规则的AI，这种方式的AI缺点是依赖于规则的创建者，机器的智能不会超过创建者。这种AI就如下面这幅漫画所暗讽的，内部都是一堆if块。
机器学习的分类
- 监督学习:回归( 预测PM2.5)、分类(垃圾邮件的二元分类、新闻类别的多元分类）、深度学习(图像识别、AlphaGo)等
- 半监督学习
- 无监督学习
- 迁移学习
- 强化学习
- 结构化学习
机器学习的步骤
- 定义模型，比如选择分类算法，是用逻辑回归还是线性回归。其实 就是一堆的函数集。比如 f1(x)=1.0+1x,f2(x)=2.0+3x等；
- 通过训练集训练之后得到一个最好的函数f，如何评价是否最好，就要通过损失函数来度量，即第3步；
- 通过测试集来验证模型的准确度。
就像把大象装进冰箱：
例子采用网络收集的宝可梦精灵的cp值和dog\cat\monkey的图像识别来讲解各类机器学习模型。