机器学习入门(一)什么是机器学习

什么是人工智能

人工智能,也称机器智能,指由人制造出来的机器所表现出来的智能。人工智能的核心问题包括构建能够跟人类类似甚至超越的推理、知识、规范、学习、交流、感知、移物等能力。简单来说,人工智能就是机器对人的思维或行动过程的模拟,让它能像人一样思考或行动,解决一系列通用的问题,这是最初设想的"强"人工智能,也被称为通用人工智能(AGI)。

但是目前机器不具备真正推理和解决复杂问题的能力,并且只能解决部分问题,当前人工智能被称为"弱"人工智能。

人工智能的实现方法

人工智能的实现方法主要有两种,分别是符号学习机器学习

  • 符号学习:基于逻辑与规则的学习方法。
  • 机器学习:从数据中寻找规律、建立关系,根据建立的关系去解决问题的方法。

从图中可以看到,之前最火的深度学习就是属于机器学习的范畴。

机器学习

机器学习主要是指通过算法让机器从数据中自动学习规律,而无需显式编程。机器学习主要分为四种:

监督学习(Supervised Learning):训练数据包括正确的结果

监督学习算法就是预测输入-输出,或者x到y的映射。根据输入的x,给出结果的y。机器学习会从这些输入的x,以及输出的y中学习,当你输入一个全新的x时,并尝试生成适合的输出y。

常见的监督学习算法有:回归算法、分类算法。

无监督学习(UnSupervised Learning):训练数据不包括正确的结果

在无监督学习中,没有任何输出y的信息,只有输入x的信息。无监督学习的作用是找出数据中可能有趣或者存在的模式或者结构。

常见的无监督学习的算法有:聚类算法

半监督学习(Semi-supervised Learning):训练数据包括少量正确的结果

结合少量带标签数据 和大量无标签数据进行训练,适用于标注成本高但未标注数据丰富的场景。

强化学习(Reinforcement Learning)根据每一次结果收获的奖惩进行学习,实现优化

通过智能体与环境的交互 进行学习,智能体根据环境反馈的奖励信号调整行为策略,以最大化长期累积奖励。

相关推荐
WWZZ20257 小时前
快速上手大模型:机器学习3(多元线性回归及梯度、向量化、正规方程)
人工智能·算法·机器学习·机器人·slam·具身感知
晓枫-迷麟10 小时前
【文献阅读】当代MOF与机器学习
人工智能·机器学习
sensen_kiss10 小时前
INT301 Bio-computation 生物计算(神经网络)Pt.3 梯度下降与Sigmoid激活函数
人工智能·神经网络·机器学习
Shilong Wang10 小时前
MLE, MAP, Full Bayes
人工智能·算法·机器学习
Theodore_102210 小时前
机器学习(6)特征工程与多项式回归
深度学习·算法·机器学习·数据分析·多项式回归
Blossom.11811 小时前
把AI“刻”进玻璃:基于飞秒激光量子缺陷的随机数生成器与边缘安全实战
人工智能·python·单片机·深度学习·神经网络·安全·机器学习
Aurora-silas11 小时前
LLM微调尝试——MAC版
人工智能·pytorch·深度学习·macos·机器学习·语言模型·自然语言处理
安於宿命14 小时前
【machine learning】COVID-19 daily cases prediction
人工智能·机器学习
razelan15 小时前
第一例:石头剪刀布的机器学习(xedu,示例15)
人工智能·机器学习
nju_spy16 小时前
牛客网 AI题(一)机器学习 + 深度学习
人工智能·深度学习·机器学习·lstm·笔试·损失函数·自注意力机制