北大公开课-人工智能基础 52 研读机器学习之为什么要用不同的视角

学习、理解机器学习的难点在于，如何直觉性地，经验性地，选择最适合的机器学习算法

机器学习的本质：通过经验或与环境交互，来改善性能

改善性能是机器学习的最终目标。

三个视角：

要解决什么问题？——机器学习的任务

要应用在什么场景？——机器学习的范式

要通过什么手段实现？——机器学习的模型

机器学习的学习任务指的是机器学习算法所要解决的问题，包括分类、回归、聚类、降维等。其中，分类任务是指将数据分为不同的类别，回归任务是指预测数值型数据，聚类任务是指将数据分为不同的簇，降维任务是指将高维数据映射到低维空间中。机器学习算法的学习任务与应用场景密切相关，不同的学习任务适用于不同的应用场景12

机器学习的学习范式主要指有监督学习、无监督学习和半监督学习1。其中，有监督学习是指在训练数据中给出了正确的标签，模型通过学习这些标签来预测新数据的标签；无监督学习是指在训练数据中没有给出正确的标签，模型通过学习数据本身的特征来发现数据中的规律；半监督学习是指在训练数据中只有部分数据有正确的标签，模型通过学习这些标签和数据本身的特征来预测新数据的标签1。

机器学习的学习模型是指在经过训练后可以识别特定类型的模式的文件1。训练模型就是用已有的数据，通过一些方法（最优化或者其他方法）确定函数的参数，参数确定后的函数就是训练的结果，使用模型就是把新的数据代入函数求值23。