Intro Mechine Learning
这是我学习ML的第一课
这是ML的学习的一个路线
Regression 回归：
使用多个历史数值对明天的做出预测 一般是连续值 所以称之为回归
分类任务
存在多分类任务和二分类任务
常见的二分类任务 ： 辣鸡邮件的判断
多分类任务 ： 文档的判别
Deep Learning 深度学习：
如：图像识别 CNN算法 卷积神经网络
下围棋
Semi-Supervised Learning 半监督学习：
Transfer Learning 迁移学习：
Unsupervised Learning 无监督学习：
机器自己从数据中学习其中的意义，在没有监督的情况下。
Structured Learning ：
但在“常规”的机器学习方法中，输出Y是一个number或者一个label，比如分类、回归、分布密度估计的各种方法。而Structured
Learning中，Y不再局限在一个number，而可以是complex structured object，比如说是一副image，一个image region，一个label sequence，或是parse tree 等等。个人感觉，structured
learning使我们能更加直接的解决问题，它提供了一种框架是我们能直接得到具体问题中想要的输出。理论上，感觉你可以把任何输出都作为一种结构。
如： Speech Recognition, Machine Translation, Face recognition
Reinforcement Learning:
强化学习，存在一个Agent，会不断的给予正面的信号，直到学习器无限的逼近真实的结果。