iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 20
0
Google Developers Machine Learning

Google Developers Machine Learning 學習系列 第 20

【Day 20】Launching into Machine Learning(Introduction to Practical ML-1)

  • 分享至 

  • xImage
  •  

前言

過了三分之二竟然還沒講完第一堂課,真的太混了,所以決定直接跳過第一堂課最後的部分,因為那部分主要就是介紹一堆GCP的基本的功能,很繁瑣又很簡單而且與機器學習方面關聯性不大。

主題

0.0 Supervised Learning

https://ithelp.ithome.com.tw/upload/images/20190921/20120188BYpjRFUvA2.png

要將機器學習的類型做分類有很多面向,若是從"資料"的角度去分類,最簡單的方式就如上圖,根據資料是否有標記(Label\Target)分成監督式學習(Supervised Learning)與非監督式學習(Unsupervised Learning)。
前者,可以再根據標記的類型:
分類(Classification):Label為離散的值,通常是類別(category),也有比較特殊的排名(Rank)。
再細分下去,分類最基礎的問題就是二元分類(Binary Classfication)問題,Label通常使用{0,1}或者{-1,1},其它還有 multi-label, multi-task 等等。
此類問題主要希望找出一種方式,將資料依據不同的Label進行分類,並且對於未來的新的未標記資料能夠做出正確的標記。
迴歸(Regression):Label為連續的數值。
此類的問題希望找出一道函數,能夠fitting數值呈現的趨勢,最好是對於相同的input時,函數的數值與label的數值差異越小越好。

非監督式學習(Unsupervised Learning):近年來流行另一種說法(Self-supervised Learning),也就是將自身作為目標來學習。
主要為**分群(Clustering)**問題,考慮一堆資料,將這些資料依據特性分成不同群體,此類問題困難的地方在於,可能不只一種解,而且容易被許多因素影響導致結果的差異性很大,例如:起始值不同。


上一篇
【Day 19】How Google does Machine Leaning(Python notebooks in the cloud-2)
下一篇
【Day 21】Launching into Machine Learning(Introduction to Practical ML-2)
系列文
Google Developers Machine Learning 學習30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言