# 機器學習 ###### tags: `note` `class` ## 發展史 ### 起源 * Alan Turing - Turing Machine #### 廣義人工智慧 General AI > 1965 Dartmouth Summer Research Project on Artificial Intelligence * 實現人的（所有）功能 * 當時的計算機硬體無法支撐 ### 單層神經元 * Frank Rosenblatt * 模仿人類神經元 * 輸入->節點->隱藏層->算出哪個點的機率最高 * 處理多種可能的輸出 結果取決最大值 ### 狹義人工智慧 Narrow AI > 1980 計算機硬體進步，但廣義人工智慧還是毫無頭緒，於是改變研究面項 #### 機器學習 * 解決具體任務 * 在特定任務上超越人類的能力 ### 深度學習 Deep Learning > 2006 GPU出現，使深度學習快速發展 * 層數越來越多 * 特徵設計和擷取改交由機器自行學習 => 處理更複雜任務 * GPU的平行運算能力 > 人工智慧 > 機器學習 > 深度學習 * 機器，可以幫人做事，就是AI * Rule Based ## 傳統機器學習 * 輸入人工設計的特徵 * 特徵能代表圖片 有助於要解決的任務 * 提供資訊給模型學習每個特徵的權重 ### 迴歸問題 Regression Problem 1. Set A Model => Linear Model * 用向量表示 ``` y = b + w · x y：輸出結果 x：輸入資料 b：偏移量 bias w：權重 weight dot => 內積 ``` 2. Evaluate the Goodness of a Model * Real Data vs. Prediction * Loss Function => 誤差平方值加總 3. Find the Best One ### 分類問題 Classification Problem * 非連續性關係 * 預測區域的邊界 * 離散結果 ### 分群問題 Clustering Problem * 依照資料特徵自行將資料分組