嗨，今天是鐵人的第24天！

今天就來聊聊什麼是Machine Learning吧！

機器學習是實現人工智慧的一個途徑，即以機器學習為手段解決人工智慧中的問題。機器學習在近30多年已發展為一門多領域交叉學科，涉及機率論、統計學、逼近論、凸分析、計算複雜性理論等多門學科。機器學習理論主要是設計和分析一些讓電腦可以自動「學習」的演算法。機器學習演算法是一類從資料中自動分析獲得規律，並利用規律對未知資料進行預測的演算法。

我們常常說機器學習機器學習，到底是要學什麼？
就像網路上有大量的資訊，我們人透過這些大量的資訊去學習分辨什麼是好的什麼是壞的，而為了讓電腦也跟人的腦袋一樣去學習這些資訊、分辨資訊，這樣的演算法就是機器學習，也就是實現人工智慧的一個途徑。

台大機器學習林軒田教授：

機器學習想做的事情，簡單的說是要從資料中歸納出有用的規則。大數據說的是對大量的資料做分析，而人工智能說的是讓機器看起來更聰明，兩者都可以使用機器學習來做核心的工具

就像是我們看到了一隻貓咪，我們會知道他是一隻貓咪，是長期以來其他人告訴你說「這個是是貓咪！」，久而久之我們便可以看到貓咪就知道「哦！這是貓！」，而機器學習就是透過觀察資料讓機器自我學習分辨的技巧，我們很難去定義貓是什麼樣子，詳細定義所有貓的可能條件，比如貓有圓臉？肉肉的身體？尖耳朵？短耳朵？和長尾巴？

若我們能夠很簡單的定義貓是什麼了，那用判斷式就好了啊！

機器學習便是模仿人類學習的方式, 透過觀察 (data) 學習 (取出特徵、經過計算處理) 後得到有意義的技巧 (提升某項可以量化評估的表現)。

機器學習類型

機器學習主要分為兩類：

• 監督式學習
• 非監督式學習
• 半監督學習
• 增強式學習

監督式學習supervised learning

什麼是監督式學習？

一個監督式學習者的任務在觀察完一些訓練範例（輸入和預期輸出）後，去預測這個函數對任何可能出現的輸入的值的輸出。

監督式學習就像是我們給了機器一堆貓的照片告訴機器說「這個是貓」，再給機器一堆狗的照片告訴它「這是狗」，讓機器自己去學習分辨，接著我們便能給予任何貓或狗的照片問機器讓機器告訴我們這是 貓 或 狗？

非監督式學習unsupervised learning

什麼是非監督式學習？

非監督式學習是一種機器學習的方式，並不需要人力來輸入標籤。它是監督式學習和強化學習等策略之外的一種選擇。在監督式學習中，典型的任務是分類和迴歸分析，且需要使用到人工預先準備好的範例(base)

非監督式學習就像是我們給了機器一堆貓的照片和一堆狗的照片，可是我們並沒有告訴機器說哪些是貓哪些是狗，要機器自己去學習判斷出分類出圖片的不同之處。

半監督式學習semi-supervised learning

什麼是半監督式學習？

少部分資料有標準答案，可提供機器學習輸出時判斷誤差使用；大部分資料沒有標準答案，機器必須自己尋找答案。

我們任意選100張貓或狗的照片，在其中的10張告訴機器哪些是貓，哪些是狗，讓機器去學習認識貓與狗的外觀，再自己嘗試把另外90張照片內的特徵取出來進行分類。

增強學習

什麼是增強學習？

人類在進行決策時，常常會根據目前「環境」 的「狀態」執行「動作」，執行動作會造成兩個結果：一是人們會得到「環境」給我們的回饋，也就是人類會得到「報酬」，接著我們所執行的動作也會去改變「環境」，使得「環境」進入到一個新的「狀態」，如圖：

「觀察到目前的狀態->執行動作->收到報酬與觀察到新的狀態」的步驟，重複非常非常多次，直到某個終止時間。

這和前面三種類型不同的地方在於，增強學習並不是一次給予全部資料先讓機器分類，而是不斷餵給機器資料，透過經驗讓機器不斷修正。

總結

今天說明了不同的機器學習類型：

• 給予數據和標籤讓機器去學習的監督式學習
• 只給予數據沒有給予標籤的非監督式學習
• 結合監督式和非監督式的半監督式學習
• 透過環境和經驗修正的增強式學習

參考資料來源：
人工智慧與增強學習
機器學習維基百科