---
tags: 【學習ML】
---
# 【學習ML - 0.1】 - 機器學習介紹
> 這系列文章是為了自己所學的東西特別寫下來的 本人是新手還請見諒
>
> 使用 台大台大電機系李宏毅老師 所教的人工智慧所有內容 的課程筆記

{%youtube CXgbekl66jc %}

機器學習分成下列這幾個

## Scenario (場景 - 學習情境)
#### Supervised Learning (監督式學習)
* 使用有標籤的資料
#### Semi-Supervised Learning (半監督式學習)
* 少量的有標籤的資料而有大量的沒有標籤的資料佔多數
#### Transfer Learning (轉移學習)
* 把已經訓練好的模型、參數，轉移至另外的一個新模型上，就不用再訓練新的模型。
#### Unsupervised Learning (非監督式學習)
* 使用沒有標籤資料推論出結果
#### Reinforcement Learning (強化學習)
* 透過兩個模型互相訓練

---

## Task (任務 - 解的問題)

#### Regression (回歸)
* 使用一個函式 透過過去的資料 來預測未來

#### Classification (分類)
* Binary Classification (二元分類)
> 例:Email是不是垃圾郵件
* Multi-Class Classification (多元分類)
> 例:新聞分類成政治、經濟、體育

#### Structured Learning (結構化學習)

---

## Method (方法 - 各種方法去解決問題)

#### Deep Learning (深度學習)
> 例:影像辨識、下圍棋
#### upport Vector Machine (SVM - 支援向量機)
#### Decisiontree (決策樹)
#### K Nearest Neighbor (K-NN - K-近鄰演算法)
#### Linear Model (線性模型)
#### Non-Linear Model (非線性模型)