【机器学习】初识机器学习

目录机器学习定义开展AI算法研发的典型步骤什么是机器学习什么是监督学习概念与定义工作原理主要任务什么是无监督学习概念与定义工作原理主要任务什么是半监督学习概念与定义工作原理什么是深度学习什么是强化学习工作原理机器学习定义Arthur Samual1959在没有明确设置的情况下使计算机具有学习能力的研究领域。机器学习是研究使计算机完成复杂任务并且无须对其进行明确编程的科学学科。机器学习中的算法将学习如何解决给定的任务这些算法包括来自统计学、概率论和信息理论的方法和技术。开展AI算法研发的典型步骤机器学习项目由多个步骤组成通常可以分为以下几个步骤。收集数据首先需要从各种来源收集数据可以是日志文件、数据库记录、传感器信号等。清理/准备/分析数据通过分析数据来得出数据的质量数据之间相关性等重要信息。选择合适的机器学习算法并把数据集划分为训练集、测试集和校验集。训练模型将样本“喂”给算法训练算法模型得到模型参数文件。评估模型将模型用于验证数据集并根据某些条件评估其性能。使用模型将训练好的算法封装成适用各个场合的功能或接口。什么是机器学习机器学习是实现人工智能的一种方法它是一个总括性的概念。简单来说机器学习不是让计算机按照人类预设的规则来执行任务而是通过给计算机提供数据让它自己从中学习规律和模式。从而获得完成特定任务的能力。举个例子传统编程像是教一个孩子做算术你告诉他明确的公式112。而机器学习则像是给孩子看成千上万张猫和狗的照片让他自己总结出猫和狗分别长什么样下次再看到新照片时能自己分辨出来。机器学习根据学习方式的不同主要分为以下几个分支监督学习、无监督学习、半监督学习和强化学习。什么是监督学习概念与定义监督学习是机器学习中最常见的一种方法。它的核心在于使用带标签的数据进行训练。你可以把它想象成学生在老师的指导下学习老师不仅给出题目输入数据还会给出标准答案标签。工作原理算法通过分析大量“题目”和对应的“答案”学习它们之间的映射关系。训练完成后当遇到新的、没有答案的题目时它就能根据学到的规律预测“答案”。主要任务分类预测结果是类别。例如将邮件分类为“垃圾邮件”或“正常邮件”。回归预测结果是连续数值。例如根据房屋面积、地段等信息预测房价。什么是无监督学习概念与定义与监督学习相反无监督学习使用的是没有标签的数据。这就像给学生一堆没有答案的练习题让他自己去发现其中的规律和结构。工作原理算法直接分析数据本身寻找数据内部隐藏的模式、结构或关系。主要任务聚类将相似的数据分到同一个组。例如根据购买行为将客户分成不同的群体。降维在保留主要信息的前提下简化复杂的数据。例如将高维度的数据压缩到二维或三维空间以便可视化。异常检测找出与众不同的数据点。例如在信用卡交易中识别出异常的、可能是欺诈的行为。什么是半监督学习概念与定义半监督学习是监督学习和无监督学习的结合体它同时使用少量带标签的数据和大量无标签的数据进行训练。工作原理在实际应用中获取大量带标签的数据往往成本高昂且耗时比如需要专家来标注医学影像。半监督学习利用少量“有答案的题目”来指导学习同时利用大量“没答案的题目”来更好地理解数据的整体结构从而在降低成本的同时获得比纯监督学习更好的效果。什么是深度学习深度学习是机器学习的一个特殊且强大的分支它并不与上述几种学习方式并列而是可以应用于它们之中尤其是监督学习和无监督学习。核心特点深度学习基于人工神经网络特别是包含多个层次的“深度”神经网络。这种结构使其能够模拟人脑的工作方式自动从原始数据中学习多层次的、复杂的特征。核心优势在处理图像识别、自然语言处理、语音识别等非常复杂的任务时深度学习通常能取得远超传统机器学习方法的效果。什么是强化学习强化学习是一种独特的学习方式它不依赖于静态的数据集而是通过与环境的交互来学习。这很像训练宠物做对了给奖励做错了给惩罚。工作原理一个“智能体”Agent在环境中采取行动环境会根据行动的结果给予“奖励”或“惩罚”一个数值反馈。智能体的目标是通过不断试错学习一套最优策略以获得最大的长期累积奖励。典型应用AlphaGo下围棋、机器人控制、自动驾驶、游戏AI等。