数据科学每日总结--Day44--机器学习

机器学习是近年来流行的人工智能技术的一个分支。机器学习模型和技术已经被广泛地用于许多领域,如自然语言理解、机器视觉和模式识别。

人工智能(AI)是指在编程为像人类一样思考并模拟其行为的机器中模拟人类智能。而机器学习是一种数据分析方法,即自动生成分析模型。它是人工智能的一个分支,基于系统从数据中学习的而诞生的想法和识别模式,在最少的人工干预下做出决策。这些年机器学习的技术迭代的很快,原因是GPU和TPU的发展,可以同时进行很多任务

平时听到的深度学习是机器学习的一个分支,后者是通过算法从数据中学习规律,前者是通过深层神经网络在数据中学习多层次的特征表示,可以看做是方法的具象化。下面我们来了解一下机器学习是什么

简介

机器学习,从本质上来看,就是通过分析数据,结合数据的标签(是后续要预测的东西,可以是小麦的未来价格,所示的动物类型或者其他)和特征(输入变量,是从数据中观测或处理出来的信息)建立一个分析模型,这其实就是我们平时所说的训练,通过不断测 试,建立一个好的分析模型,然后通过一个未知的测试数据集,来预测数据的标签。

一般机器学习分为监督学习,无监督学习,强化学习。

  • 监督学习:目的是学习从输入到输出的映射规则,以便对新的输入做出正确的预测,简单地说就是有标准答案的学习,是研究特征和标签之间的关系,一般用于房价预测,疾病诊断;

  • 无监督学习:目的是发现数据内部隐藏的结构、模式或关系,因为给模型提供的数据只有特征没有标签,相当于在给书做分类时,必须要先看书,知道书是干什么的才能去分类,这个过程需要算法自己来搞定,一般用于数据压缩和异常检测;

  • 强化学习:通过试错和奖励来学习,目的是学习一套行为策略,从而能够最大化地累计得到奖励。具体是在某个环境中采取行动,环境给予奖励或惩罚作为反馈,通过不断尝试,知道做什么最有可能得到奖励,一般应用于自动驾驶,游戏AI策略

相关推荐
万里侯31 分钟前
日志聚类之后别把 noise 扔掉:降噪应该改变视图,不抹掉证据
人工智能·微服务·ai·容器·k8s
澹锦汐34 分钟前
纯前端秋日银杏与枫叶落叶色板智能聚类器:基于 K-Means 色彩量化与直方图自动配方提取
前端·人工智能·ai·语言模型·vue·react·k-means
7177778 小时前
国内 AI 研发效能工具怎么选:2026 年基于公开信息的选型框架与 Gitee 实践
人工智能·gitee
Csvn8 小时前
换供应商要改一遍代码?把模型接入收进一层网关(C04)
人工智能·aigc·agent
孟健9 小时前
开源AutoClip切直播:1小时48分出19段,整月API只花0.08元
人工智能·开源·aigc
翰墨之道9 小时前
AI日报:豆包工作ARR超20亿,GPT-6.2跑分与实测割裂
人工智能·gpt·数据挖掘
Maynor99610 小时前
Trymodel 使用介绍:一个平台同时用 Claude、GPT、Gemini 和 Grok
人工智能·gpt·ai·程序员·教程·claude·语音
字节跳动视频云技术团队10 小时前
接大模型别再自己配 Key、搭代理了,火山引擎 IGA Pages 一步搞定
人工智能
阿里云大数据AI技术11 小时前
EMR Serverless StarRocks 产品介绍:从统一 OLAP 走向多模态分析与检索
人工智能
Forget the Dream12 小时前
Spring AI 2.0 系列(二):第一个 ChatClient——从注入到一次完整调用
java·人工智能·spring boot·ai·springai