Skip to content

Lesson1 Introduce

Introduce

  • 监督学习(supervised learning)：有输入，有输出，输出可能是标签
  • 无监督学习(unsupervised learning)：只有输入，没有输出
    • clustering 聚类
  • 强化学习(reinforcement learning)：algorithm learns to react to an environment

监督学习

核心：需要非常明确的标签(label)

监督学习的目的是通过学习训练集，泛化到不存在于训练集中的测试集

考虑以下的点，如果标签，如人脸，只有三个人，那么第四个人倘若进行测试，仍然会输出这三个标签中的一个。

方法是要么扩充标签的集合，要么修改为"是不是他"的问题。

regression 回归：预测连续值

输出不是离散值，而是一个连续的值。

无监督学习

只有输入，没有对应的输出。

核心：find interesting patterns

举例：猫狗分类

强化学习

  • 有监督学习的设想
  • given occasional reward or punishment signals
  • self-play
  • RLHF: reinforcement learning with human feedback

例如下棋的训练，由于一整局只有一个result：

  • 只要输了，下的所有子都被削弱
  • 只要赢了，下的所有子都被强化