机器学习简介

即使是机器学习领域的专业人士，也很难给机器学习这一概念下一个准确的定义，比较常见的说法有两种。Arthur Samuel描述其为“使计算机无需明确编程就能自主学习的研究领域”，Tom Mitchell给了一个更为流行的解释为“一个计算机程序从经验E中学习某些类型的任务T和性能度量P，如果它在任务T中的性能（以P度量）随着经验E提高了，称之为具有机器学习能力。”

文章目录

机器学习简介
- 简介
- 监督学习（Supervised Learning）
- 非监督学习（Unsupervised Learning）
- 发展状况
- 补充说明

简介

如今，机器学习作为人工智能的主要研究方向被落地使用于各个行业，机器学习算法的有效及强大备受关注，由基本的机器学习算法衍生了很多子方向如强化学习、深度学习等，这些领域归根结底都是经典的机器学习方法的扩充。
一般将机器学习划分为两个类别，即监督学习和无监督学习，前者依据数据的特征和标签，后者只依赖数据的特征。

监督学习（Supervised Learning）

监督学习是指训练算法的数据集的样本都有实际的标签（label）存在，如房价问题的房价、垃圾邮件识别问题的邮件类别。
监督学习主要由分类（Classification）和回归（Regression）两个类别组成，回归问题要求预测连续的输出值如房价，分类问题要求预测离散的输出值如好或者坏。形象地说，回归问题要求找到一个尽量拟合训练数据分布的函数表达，分类问题要求找到一个尽量区分训练数据不太类别数据的分界线。某种程度上，这两种问题可以相互转化。
如图，对于回归问题，尽量找到一条拟合全部数据的函数；对于分类问题，尽量找到区分不同类别样本的分界线函数。

非监督学习（Unsupervised Learning）

非监督是指训练算法的数据集的样本只包含特征，而没有标签、目标之类的信息，我们不知道什么是好什么是坏，我们需要找到尽量区分不同样本的方法，如聚类算法。经典的问题如新闻主题聚合。
非监督学习的典型问题是聚类问题，要求找出数据中的类型结构，并划分出来。
如图，对于聚类问题，要求发现数据的潜在特性，进行类别划分。

发展状况

目前，监督学习和非监督学习的发展如火如荼，然而取得较为实用的成就且能用于工业界的大多还是监督学习算法，换句话说，我们仍然需要大量的人工标注的数据用于模型的训练。
当然，近些年很多深度学习方法（如自动编码器）被逐渐用于非监督学习领域，这也促使非监督学习的进一步发展。
未来的强人工智能应该是更加依赖非监督学习算法，配合以监督学习算法的。

补充说明

本文力求简洁介绍机器学习的一些基本概念，思路参照吴恩达的机器学习课程（Coursera）。
本系列相关的博文和代码开放于Github，欢迎访问项目。同时博客也同步在我的个人博客网站，欢迎访问查看其他文章。
由于能力有限，如有错误，欢迎评论指正。

机器学习-机器学习简介相关推荐

我爱机器学习机器学习干货站- 资源
我爱机器学习机器学习干货站跳至正文机器学习 Deep Learning 所有主题关注我们 DeepMind团队的<Deep Reinforcement Learning in Large ...
统计机器学习(机器学习) 概念
统计机器学习(机器学习) 概念该文章是作者阅读相关书籍和资料后,总结和归纳的一些个人认为有必要整理和了解的知识点介绍.与大家一起分享,如有不妥之处,还望指正. 统计(机器)学习 1．统计学习概念统 ...
机器学习稀疏矩阵简介(附Python代码)
对于一个矩阵而言,若数值为零的元素远远多于非零元素的个数,且非零元素分布没有规律时,这样的矩阵被称作稀疏矩阵:与之相反,若非零元素数目占据绝大多数时,这样的矩阵被称作稠密矩阵. 稀疏矩阵在工程应用中经 ...
机器学习与数据挖掘，机器学习算法简介
什么是数据挖掘数据挖掘就是从大量的数据中去发现有用的信息,然后根据这些信息来辅助决策.听起来是不是跟传统的数据分析很像呢?实际上,数据挖掘就是智能化的数据分析,它们的目标都是一样的.但是,又有很大 ...
[译]使用scikit-learn进行机器学习的简介(教程1)
原文:http://www.cnblogs.com/taceywong/p/4568806.html 原文地址:http://scikit-learn.org/stable/tutorial/basi ...
01.机器学习的简介
一.机器学习的概念定义:对于某类任务 T 和性能度量 P,如果一个计算机程序在 T上以P衡量的性能随着经验E 而自我完善,那么就称这个计算机程序在从经验 E学习机器学习时计算机科学的子领域,也是 ...
Opencv学习笔记 - OpenCV 4机器学习算法简介
在机器学习中,一些比较流行方法的包括:支持向量机(SVM).人工神经网络(ANN).聚类.k-最近邻.决策树和深度学习.OpenCV支持并实现几乎所有这些方法,并有详细的文档说明(包含在Main mo ...
【机器学习】主流机器学习算法简介与其优缺点分析
来源:EliteDataScience 专知机器学习算法的分类是棘手的,有几种合理的分类,他们可以分为生成/识别,参数/非参数,监督/无监督等. 例如,Scikit-Learn的文档页面通过学习 ...
weka机器学习-01-weka简介及基本概念
1.weka主界面各个功能键概述 Explorer(探索者):最容易使用的图形用户界面,通过菜单和填写表单可以调用weka的所有功能. 缺陷:要求将所需数据全部依次读进内存,一旦用户打开某个数据集,就 ...

机器学习-机器学习简介

机器学习简介

文章目录

简介

监督学习（Supervised Learning）

非监督学习（Unsupervised Learning）

发展状况

补充说明

机器学习-机器学习简介相关推荐

最新文章

热门文章