[机器学习入门] 李宏毅机器学习笔记-24（introduction of Structured Learning;结构化学习介绍）

PDF	VIDEO

---

introduction of Structured Learning

到目前为止，不管是做SVM还是Deep Learning，input 和 output 都只是向量，而实际上我们真正面对的问题，要比向量更复杂，因此我们需要一个f，来计算两个object。

这里写图片描述

Example Application

这里写图片描述

Structure Learning 听起来很麻烦，但实际上我们有一种Unified Framework。

这里写图片描述

Example 1 Unified Framework – Object Detection

这里写图片描述

那么是怎么做的呢？

image

我们的目的就是训练出一个f ，使方框框在不同位置时，有不同的输出，比如上图红绿蓝三个框，显然红框应该得到最好的输出。相应的test如下。

这里写图片描述

---

example 2 Unified Framework - Summarization

这里写图片描述

---

example 3 Unified Framework -Retrieval

这里写图片描述 这里写图片描述

将Unified Framework 换一种说法。

training：x,y一起出现的几率。
testing：根据这个几率，找最有可能的y

这里写图片描述

用几率来做也有坏处与坏处。

Drawback for probability：
* Probability cannot explain everything
* 0-1 constraint is not necessary

Strength for probability ：

• Meaningful
  

---

There are three problems in this framework.

这里写图片描述

problem 1 :

这里写图片描述

problem 2 :

这里写图片描述

problem 3 :

这里写图片描述 这里写图片描述

Link to DNN?

DNN是 Structure Learning 的特殊情况，比如在手写识别中：

这里写图片描述