关于机器学习的介绍
机器学习是什么
机器学习就是让机器能够自动找到一个函数（function）来解决我们的问题
- 语音识别
- 图像分类
- 对话系统
机器能够找到什么样的函数
解决不同的问题，就需要不同的函数，而机器可以帮助我们找到下列函数
如何让机器明白我们想要的是什么函数
- 有监督学习（Supervised Learning）
可以把有监督学习中的监督理解为标签（Label），即数据集中不仅包括特征还包括标签。通过这个标签，我们就可以评价一个函数的好坏，进而优化这个函数。通过Loss判断函数的好坏，Loss越小，函数越好
- 无监督学习（Unsupervised Learning）
只给机器提供数据特征，但不提供数据标签。
- 强化学习
正如AlphaGo一样，在自身与自身的不断对抗中吸取教训、总结经验，最终实现战胜人类的目标
机器如何找到我们想要的函数
- 我们要给定函数形式/范围（模型）
比如假定函数是线性模型、神经网络等等。模型就是一个函数集，模型的参数确定以后，才得到一个函数。 - 找到更好的函数：
使用梯度下降（Gradient Descent）等方法，找到更好的函数。
机器学习的三大基本步骤
- 确定模型
- 确定如何判断模型的好坏
- 确定如何找到最好的模型
