1 机器学习是啥
机器学习是人工智能的一个分支,它是一门研究机器获取新知识和新技能,并识别现有知识的学问。
机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA 序列测序、语音和手写识别、战略游戏和机器人等领域。
It's a computer program learning from experience E with respect to some task T and some performance measure P, if its performance on T as measured by P, improves with E : Tom Mitchell 1998
总结:
- 机器学习可以从现有的经验中推断新的任务
- 机器学习的精度会随着我们提供的经验精度提升而提升
简单来说:机器学习就是让机器从现有的数据进行学习和预测,而我们要做的就是构建和设计尽可能高效,准确,合适的算法
2 机器学习的终极目标
- 算法+算力+数据 --------->一个有效,准确的模型可以用来预测新的数据
3 机器学习有啥
机器学习
- 监督学习
-
- 特点:输入的数据具有标签
- 如一组的数据的格式:一张图片x,图片的标签y为:猫,y就是x的标签,我们认为y就是x的正确答案,要做就是从这种模型中学习,分类新的一张图片
- 用途:预测(如房价的预测),分类等
- 非监督学习
-
- 特点:输入的数据不具有标签
- 一组数据,只有各种特征
- 用途:聚类(通过基因特征将人归类),降维等
- 半监督学习
- 强化学习
-
- 强调如何基于环境而行动,以取得最大化的预期利益
- 强化学习不需要带标签的输入输出对,同时也无需对非最优解的精确地纠正。
强化学习算法的思路非常简单,以游戏为例,如果在游戏中采取某种策略可以取得较高的得分,那么就进一步「强化」这种策略,以期继续取得较好的结果。这种策略与日常生活中的各种「绩效奖励」非常类似。我们平时也常常用这样的策略来提高自己的游戏水平。
4 机器学习模型构建的过程
参考
https://zh.wikipedia.org/zh-hans/%E5%8D%8A%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0