莫烦-机器学习系列-有趣的机器学习

机器学习方法

1.1 机器学习

• 监督学习 supervised learning 有数据有标签
• 非监督学习 unsupervised learning 无数据无标签
• 半监督学习 semi-supervised learning
• 强化学习 reinforcement learning 从经验中总结提升
• 遗传算法 genetic algorithm 适者生存

神经网络

2.1 科普: 人工神经网络 VS 生物神经网络

• 误差反向传递
• 人工神经网络靠的是正向和反向传播来更新神经元, 从而形成一个好的神经系统，本质上, 这是一个能让计算机处理和优化的数学模型
• 生物神经网络是通过刺激, 产生新的联结, 让信号能够通过新的联结传递而形成反馈

2.2 神经网络

• 神经网络是一种数学模型，是存在于计算机的神经系统，由大量的神经元相连接并进行计算，在外界信息的基础上，改变内部的结构，常用来对输入和输出间复杂的关系进行建模。
• 神经网络由大量的节点和之间的联系构成，负责传递信息和加工信息，神经元也可以通过训练而被强化。

参考：https://www.jianshu.com/p/e112012a4b2d

2.3 卷积神经网络-CNN (Convolutional Neural Network)

• 卷积
• 神经网络
• 池化(pooling)

2.4 循环神经网络-RNN (Recurrent Neural Network)

2.5 LSTM RNN 循环神经网络 (LSTM)

2.6 自编码 (Autoencoder)

• 压缩与解压

2.7 生成对抗网络 (GAN)

• 新手画家
• 新手鉴赏家

2.8 科普: 神经网络的黑盒不黑

• 代表特征
• 迁移学习

2.9 神经网络 梯度下降

• ”optimization” (优化问题)。包括牛顿法 (Newton’s method), 最小二乘法(Least Squares method), 梯度下降法 (Gradient Descent) 等等
• 梯度下降
• 误差方程 (Cost Function)
• 全局 and 局部最优

2.10 迁移学习 Transfer Learning