machine learning（15）

    人工智慧很多時候都是在研究分類器，如：LDA，SVM，Random Forests，Neural Networks 等等。為什麼我們提出了這麼多分類器還是不能滿足？

    一個主要的問題是，這些分類器都不能完美的解決我們所面對的問題，尤其是特徵提取上，往往需要掛手動檔。最近的深度學習很好的部分解決了自動特徵提取的問題，所以也算是將分類器演算法往終極分類器上面走了一大步。

    這裡說的終極分類器並不是一個完美的分類器，或者說該分類器是不斷的逼近完美分類器的分類器，而逼近的過程就是增量學習(Incremental Learning)的過程，而增量學習的過程也面臨很多困難需要克服，如：災難性遺忘（catastrophic forgetting）...

    下面列出終極分類器的一些屬性：

    1. 自動特徵提取

    2. 可以學習新的類別，即類別的數量可以動態的增長（增量學習過程），且新類別的學習需要很少或者不需要舊類別的資料

    3. 新類別的訓練能夠最大化的利用分類器以前的結構和引數資訊

    4. 新類別的訓練不能導致分類器災難性遺忘，即不破壞或者儘量少破壞原有的模型引數和結構

    5. 對於已知的類別資料分類輸出該類別標籤，對於未知的類別分類為未知

    6. 對於單個數據混合有一個或多個類別的，分類到一個或多個類別並指出其位置