这次借在Datawhale组队学习的机会补全一下机器学习上一些知识的漏洞，主要是标注一下自己需要注意的地方在这与大家分享，今日分享的是李宏毅深度学习Part1、2中自己之前不太重视的地方：
1.在对机器学习的各类概念介绍时，还是能看出与国内授课风格的不同，尤其是对一些概念的描述，主要着重于感受而不是精确的定义描述（不是说精确的描述不好，感觉有一定相关基础看到很准确的描述也是精神的峰值体验）。这当中对机器学习认识的一类常见误区做了说明，即我们希望达到机器学习的目的是一通百通而不是举一反一，即获得的是function而是一堆的if。
2.在监督学习的大家庭里，回归和分类自然是大家耳熟能详的，对结构化学习我对此还是比较陌生，特意查了一下相关资料，简单来说结构化学习与回归分类不同之处在于，它的学习结果不再是简单的预测值or分类结果，它的function能实现更加多样的结果。例如对文本学习可能的function可以是翻译、回答、语音转化，对于图片的学习结果可能返回的是由图片到图片、由文字和图片的转换。此处给的ppt中表述还是较为形象的，即分类回归只能帮助认识机器学习中的一小部分而正是的机器学习问题则是多种多样而丰富多彩的。
3.在整体布局来看还有一类听闻较少的是迁移学习，这一类在介绍时给学习者留了个悬念，并没有介绍实际运用，笔者能想到迁移学习的运用之一是个性化推荐中，例如采用基于标签的推荐方式，图书的历史推荐数据，能在一定程度上辅助音乐或者电影的系统推荐解决数据稀疏性的问题。详细的了解当然还有待后续的学习。
