机器学习概貌了解

机器学习是人工智能的一个分支,它使计算机系统能够从数据中学习并做出决策或预测。机器学习可以根据不同的标准进行分类,以下是一些常见的分类方式:

一、按学习方式分类

  1. 监督学习(Supervised Learning)
    • 定义:利用已标注的训练数据集来训练模型,然后用这个模型对新数据进行预测。
    • 特点:算法从标记的训练数据中学习,这些数据包括输入特征和期望的输出标签。目标是学习一个函数,该函数能够预测新数据的输出标签。
    • 常见任务:分类(如垃圾邮件检测、手写数字识别)和回归(如房价预测)。
    • 常见算法:支持向量机(SVM)、k近邻算法(k-NN)、决策树、随机森林、朴素贝叶斯、神经网络等。
  2. 无监督学习(Unsupervised Learning)
    • 定义:在没有标签的数据上训练模型,以发现数据的结构或分布。
    • 特点:算法的目标是从未标注的数据中发现数据的结构或模式。
    • 常见任务:聚类(如市场细分)、降维(如主成分分析)和异常检测。
    • 常见算法:k均值聚类、层次聚类、DBSCAN、高斯混合模型(GMM)、主成分分析(PCA)等。
  3. 强化学习(Reinforcement Learning)
    • 定义:智能系统在与环境的连续交互中学习最佳行为策略的机器学习问题。
    • 特点:智能系统通过观测环境状态、选择动作并接收奖励来优化其行为策略,目标是最大化长期累积奖励。
    • 应用场景:机器人学习行走、AlphaGo学习下棋等。
  4. 半监督学习(Semi-supervised Learning)
    • 定义:包含大量未标注数据和少量标注数据的机器学习问题。
    • 特点:主要是利用未标注数据中的信息,辅助标注数据进行监督学习。
    • 常见算法:深度信念网络(DBN)等。
  5. 主动学习(Active Learning)
    • 定义:机器不断给出实例进行人工标注,然后使用标注数据学习预测模型的机器学习问题。
    • 特点:目标是对学习最有帮助的实例进行人工标注,以较小的标注代价达到最好的学习效果。

二、按模型类型分类

  1. 概率模型
    • 定义:模型可以表示为联合概率分布的形式。
    • 代表:贝叶斯、马尔可夫随机场、条件随机场等。
  2. 非概率模型
    • 定义:模型不一定能表示为联合概率分布的形式。
    • 代表:决策树、支持向量机、神经网络等。

三、按算法特性分类

  1. 线性模型
    • 定义:模型是输入特征的线性组合。
    • 代表:线性回归、逻辑回归等。
  2. 非线性模型
    • 定义:模型是输入特征的非线性组合。
    • 传统机器学习模型:SVM、KNN、决策树等。
    • 深度学习模型:神经网络(如卷积神经网络CNN、循环神经网络RNN等)。

四、按学习理论分类

机器学习还可以按照学习理论进行分类,包括有监督学习、半监督学习、无监督学习、迁移学习和强化学习等,这与前面按学习方式分类中的部分内容是重叠的。

总结

机器学习的分类方式多种多样,每种分类方式都有其独特的视角和应用场景。在实际应用中,需要根据具体问题和数据特性选择合适的机器学习方法和算法。

虽然现在AIGC有了很大的发展,在现实的工作中,完成特点的任务,机器学习还是有很多用武之地的,特别是对准确率和召回率比较高的场景,机器学习完成特定任务还是有他的优势的,后续我会用AI来辅助自己提升机器学习方面的知识,不断和大家分享。

相关推荐
埃菲尔铁塔_CV算法5 分钟前
人工智能图像算法:开启视觉新时代的钥匙
人工智能·算法
EasyCVR5 分钟前
EHOME视频平台EasyCVR视频融合平台使用OBS进行RTMP推流,WebRTC播放出现抖动、卡顿如何解决?
人工智能·算法·ffmpeg·音视频·webrtc·监控视频接入
MarkHD8 分钟前
第十一天 线性代数基础
线性代数·决策树·机器学习
打羽毛球吗️12 分钟前
机器学习中的两种主要思路:数据驱动与模型驱动
人工智能·机器学习
好喜欢吃红柚子28 分钟前
万字长文解读空间、通道注意力机制机制和超详细代码逐行分析(SE,CBAM,SGE,CA,ECA,TA)
人工智能·pytorch·python·计算机视觉·cnn
小馒头学python33 分钟前
机器学习是什么?AIGC又是什么?机器学习与AIGC未来科技的双引擎
人工智能·python·机器学习
神奇夜光杯42 分钟前
Python酷库之旅-第三方库Pandas(202)
开发语言·人工智能·python·excel·pandas·标准库及第三方库·学习与成长
正义的彬彬侠1 小时前
《XGBoost算法的原理推导》12-14决策树复杂度的正则化项 公式解析
人工智能·决策树·机器学习·集成学习·boosting·xgboost
Debroon1 小时前
RuleAlign 规则对齐框架:将医生的诊断规则形式化并注入模型,无需额外人工标注的自动对齐方法
人工智能
羊小猪~~1 小时前
神经网络基础--什么是正向传播??什么是方向传播??
人工智能·pytorch·python·深度学习·神经网络·算法·机器学习