Structured Learning
1、什么叫结构化学习
2、结构化学习统一框架
3、结构化学习的三个问题
4、线性模型解决结构化学习的三个问题
1、什么叫结构化学习
之前的input and output 都是vectors
结构化学习：输入输出都是一种带有结构的对象（sequence,list,tree,bounding box）
结构化学习的应用：
2、结构化学习统一框架
- Training阶段：就是找一个Ｆ来评估Ｘ与Ｙ的匹配程度。越匹配，R值越大。
- Inference阶段：穷举所有的Ｙ，找到匹配程度最大的那个Ｙ
举个栗子说明：
目标检测：
摘要提取：
搜索：
3、结构化学习的三个问题
第一个问题：F（x,y）长什么样子
第二个问题：如何求最大化F时的y
第三个问题：如何训练得到F
与DNN的联系：比如手写数字识别中，
4、线性模型解决结构化学习的三个问题
解决第一个问题：
- 用一组特征来描述(x,y)的pair，其中ϕ（x,y）代表一种特征，可以用CNN训练得到
其他栗子：
假设已经了解决第二个问题
解决第三个问题：
- 给定一堆的training data，把w 学出来
具体步骤：给定training data（x1，y^1）、（x2，y^2）、（x3，y^3）、（x4，y^4）
Step1：求出使F（x,y）最大时的y~
Step2：若y~！=y^，则更新w
我们的目标：
过程：
