有監督學習

目標：建立一個模型(函數)，來描述輸入(x)和輸出(y)之間的映射關系。
價值：模型訓練完成后，新的輸入，模型會給出預測值輸出。

• 注意點：
  1.要有足夠的訓練樣本
  2.輸入和輸出之間有關聯關系
  3.輸入和輸出可以數值化表示

有監督學習的應用

• 文本分類
  輸入：文本
  輸出：類別
• 機器翻譯
  輸入：A語言文本
  輸出：B語言文本
• 圖像識別
  輸入：圖像
  輸出：類別
• 語音識別
  輸入：音頻
  輸出：文本

無監督學習

目標：提供無標注數據，使用算法對數據分析處理，得到結論

無監督學習的應用

• 聚類
• 降維
• 找特征值

常用概念

• 過擬合
  模型失去了泛化能力。模型再訓練集和驗證集上表現好，在測試集上表現差，一般是過擬合。
• 欠擬合
  模型沒能在輸入和輸出之間建立起合理的映射。輸入訓練集，輸出預測與標注結果依然相差很大。
• 評價指標
  準確率
  召回率
  F1值
  Topk

總結

機器學習本質：從已知數據中找規律，用來預測未知的樣本。
深度學習：是機器學習的一種方法。

---