机器学习
定义
机器学习(Machine Learning, ML)是人工智能(AI)的一个重要分支,旨在通过计算机系统的学习和自动化推理 ,使计算机能够从数据中获取知识和经验,并利用这些知识和经验进行模式识别、预测和决策 。其核心思想是使用数据来训练计算机算法,使其能够自动地从数据中学习并改进自己的性能,而无需明确地编程。
分类
监督学习
定义:利用已知的数据集(包括输入和输出)来训练模型,使模型能够预测新的输入数据的输出。
做法: 将未标记的数据放入不同的集群中,根据学习数据抽出共性(比如关键词等),达到一个分类的目的。进而判断其属于哪个集群。
无监督学习
在没有标签 的数据集上进行学习,发现数据中的隐藏结构和规律。(其与监督学习来比的话没有一个明确的答案)
分类:聚类算法、异常检测、降维等
领域:垃圾信息的判定,硬件故障的检测(比如说这里有一个热水壶,它在烧热水的最终情况下热水水温为多少度,与之相接的插线板的插头处多少度,我们假定其中90%多的产品都位于某个区间,比如±2 °,则我们基本可以说在这个范围之外的,就是有问题的)。
强化学习
通过与环境的交互学习,以最大化累积奖励。(比如你希望该算法去做什么,然后给其这个选择一点激励,也可以视作是一个加权的操作)。
领域:游戏、自动驾驶、医疗等