3分钟看懂深度学习，强化学习，监督式学习，非监督学习都是什么鬼

第四范式授权转载

深度学习监督式学习非监督式学习强化学习到底都是什么鬼呢？小式粗暴地认为，不管是机器学习深度学习监督式学习，终究都离不开学习二字。小式理解，学习就是通过教授或经验，实现举一反三的能力。下面，经过大魔王001的讲解，小式和大家分享下自己了解到的东东。

深度学习：换了马甲的神经网络

看到这段时，本来以为已经理解了的小式还是受到了惊吓。那么，监督式非监督式半监督式学习又是何方神圣呢？

“有老师教”的监督式学习

维基上说，监督式学习是一个机器学习中的方法，可以由训练资料中学到或建立一个模式，并依此模式推测新的实例。一个监督式学习者的任务在观察完一些训练范例后，去预测这个模式对任何可能出现的输入值的输出。要达到此目的，学习者必须以"合理"（见归纳偏向）的方式从现有的资料中一般化到非观察到的情况。

翻译成人话：监督式学习就是一个人在学习时，有老师告诉它标准答案，让它知道什么是对，什么是错，这样经过一定程度的训练，他就能根据经验总结特征，然后在出现类似的情景时，就能根据特征自行判断对错。

“自学成才”的学霸-非监督式学习

刚才说了监督式学习就是“有老师教”，那么自然地，非监督式学习就是没老师告诉它一个标准的答案，要依靠自己“自学成才”——就是通过一大堆学习资料（数据），在无人指导的情况下，努力通过自己的观察，挖掘出隐藏在数据下的结构，得出特征。等等，这个感觉怎么有点熟悉？

虽然小式把非监督学习比成学霸，但监督式学习和非监督式学习并无高下之分。

那什么是半监督式学习呢？就是其训练的数据一部分是有参考答案的，一部分是没有的。为什么会这样呢？因为隐藏在半监督学习下的基本规律在于：数据的分布必然不是完全随机的，通过一些有标签数据的局部特征，以及更多没标签数据的整体分布，就可以得到相对更好的分类结果。

举个例子，判断我司谁是大魔王？如果只有我（女生）和三个大魔王（都是男生），那么监督式学习依据已知的性别标签，很可能把判断大魔王标准定为：男生是大魔王。但是如果我又叫了二十个人过来，而不给任何可以参考的标签，就可以分析出更多大魔王的相似特征：如高智很商，能力极强，行业大牛等等。

吃一堑长一智的强化学习

在大魔王给我讲解强化学习前，小式先去维基和百度了强化学习的概念：

维基：强化学习是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。再看百度：所谓强化学习就是智能系统从环境到行为映射的学习，以使奖励信号(强化信号)函数值最大。

不知道你们，反正小式看完就是“债见”的感觉。还好，经过大魔王点化，小式终于明白，强化学习就好比不给机器任何指导，让它在一个迷宫里自己走动，如果碰壁了，就pass掉这条路，如果最后找到了出口，就记下这个正确的路子。

说白了，强化学习就是个吃一堑长一智的过程。但因为强化学习强调的是取得最大化的回报，所以这里的吃一堑长一智基于的不是一个当下的反馈，而是基于全局的一个整体回报。拿阿法狗举例，强化学习不是立刻告诉阿法狗当下走的这一步棋好不好，而是追求一整盘棋下得好不好。