机器学习分为3个简化步骤：

1、定义一系列的函数 a set of function；

2、评估函数的好坏；

3、选取最优的函数。

学习规划：

Regression：函数是scalar的；

比如输入一组气象数据（过去几天的气温），输出明天的气温，中间的函数就是scalar的。

Classification： 1、Binary Classification 比如： Yes or No；2、Multi-class Classification比如：邮件分类

Classification包括：线性模式、非线性模式；

非线性模式包括：深度学习、SVM、decision tree、K-NN 。。。

Supervised Learning：用的training data 必须是labelled data；

Semi-Supervised learning：有labelled data 也有 unlabeled data（和labelled data相关）；

Transformed learning：有labelled data 也有 unlabeled data（和labelled data无关）；

Unsupervised learning：全是unlabeled data，根据输入的数据，机器自己找到中间的函数；

Reinforcement learning：机器自己根据自己的输出去学习，比如alpha go。

Structured learning：有机构性的输出；

比如声音信号的输入----------输出中文语句；输入图片-------输出人物名称。

学习资料：台湾大学李宏毅教授 Machine Learning。