Day 10 : 机器学习大杂烩

机器学习可以分为四大类

监督式学习 Supervised Learning
非监督式学习 Unsupervised Learning
半监督式学习 Semi-supervised Learning
增强式学习 Reinforcement Learning

我们将一个一个为各位介绍。

监督式学习 Supervised Learning
监督式学习顾名思义，也就是有「人」在一旁监督学习的过程与结果，只是今天「人」这个角色由机器来自行扮演。一般而言我们会将所有确定好的资料都标上标签(Label)，并告诉机器相对应的值，在最终输出後可以利用输出的值来判断准确度的误差。这种方法便是人工分类。这个方法的限制就是输入的资料都要有自己的「结果」，例如今天希望程序去区分猫和狗，就必须要提供机器100张猫与100张狗的照片，机器依照标签的照片去侦测两者的特徵并进行预测。
非监督式学习Unsupervised Learning
非监督式学习便是反向的监督式学习，没有人在一旁监督查看。所有资料都没有被贴上标签，所以机器必须要自己寻找这些输入资料的特徵值，在依照结果进行资料的分类。以人的观点来看是稀松平常的事情，但机器并不能这麽灵活判断特徵之间的差别，所以预测结果的误差值将会比较大。
半监督式学习Semi-supervised Learning
半监督式学习是监督式学习与非监督式学习两种的类复合体，他会对少量的资料贴上标签，而机器会透过这些有标签的资料进行特徵萃取，并进一步分类。这种方法预测会比非监督式学习好一点。举例来说若有100张照片，我们将10张照片贴上「熊猫」的标签，机器便会利用这十张的照片去分类剩余的照片。
增强式学习 Reinforcement Learning
增强式学习是一种较为特别的分类，机器会透过每一次与环境之间的互动来进行学习，以期能取得最大的预期效益。输入时的资料不会贴上标签，但是我们会告诉机器他所采取的哪一个步骤是对的，哪一个步骤是错误的。根据反馈的好坏，机器就会慢慢逐步修正，得到我们所预测的正确答案。