什么是机器学习(Machine Learning)? |李宏毅机器学习【1】
机器学习(Machine Learning)是人工智能时代的核心技术,深度学习(Deep leaning)是机器学习中一类重要的方法。机器学习的应用非常广泛,相机美颜、个性推荐,人脸解锁、垃圾邮件过滤、阿法狗......很多智能化的应用场景背后,都离不开机器学习算法的支撑。
机器学习的概念
那么机器学习到底是什么东东呢?是造一个机器人来学习吗,非也。按照李宏毅老师的说法,机器学习相当于找一个函数(looking for a Function)。
如下图所示,你对着siri说一句话,她就能知道你说了什么;你给识图软件一张喵星人照片,它就能识别这是一只猫猫;你给阿法狗一个棋局,它就能算出下一步应该怎么下.....先不管这些事情内部是怎么实现的,从整体上来看,就是给学习器一个输入,它就可以给出唯一输出,这不就是函数吗?
更学术化的表达机器学习的概念,就是通过编写程序学习经验来提高完成任务的性能。
机器学习大致可以分为三个步骤,我们通过最简单的例子——线性回归来理解一下。
ML的一般步骤:
step1: Model(a set of functions)
第一步就是找个模型,也就是找一个函数/算法模板。线性回归的模型呢,就是一个线性的函数啦: y = wx+b (w和x为向量)
step2: Goodness of functionon(Loss function)
确定了模型的构造方法,下一步就是确定模型的具体参数。这一步通常会构建损失函数来衡量模型的好坏,线性回归用到的损失函数是均方误差,也就是经典的“最小二乘法”
step3: Pick the 'best' function
得到了损失函数,接着就是怎么求解了。也许你会直接背出公式,但对于计算机来说,采用梯度下降的方法可能更简单一些,这个后面再讲。
来看看机器学习的算法分类:
- 从问题/数据的情境划分:有监督、无监督、半监督、迁移学习、强化学习
- 从任务类型划分:回归(scalar)、分类(binary or multi)、聚类、结构化学习(翻译、语音识别)
机器学习主要包括:
- 回归算法
- 线性回归
- 逻辑回归
- 多元自适应回归(MARS)
- 本地散点平滑估计(LOESS)
- 基于实例的学习算法
- K - 邻近算法(kNN)
- 学习矢量化(LVQ)
- 自组织映射算法(SOM)
- 局部加权学习算法(LWL)
- 正则化算法
- 岭回归(Ridge Regression)
- LASSO(Least Absolute Shrinkage and Selection Operator)
- Elastic Net
- 最小角回归(LARS)
- 决策树算法
- 分类和回归树(CART)
- ID3 算法 (Iterative Dichotomiser 3)
- C4.5 和 C5.0
- CHAID(Chi-squared Automatic Interaction Detection()
- 随机森林(Random Forest)
- 多元自适应回归样条(MARS)
- 梯度推进机(Gradient Boosting Machine, GBM)
- 贝叶斯算法
- 朴素贝叶斯
- 高斯朴素贝叶斯
- 多项式朴素贝叶斯
- AODE(Averaged One-Dependence Estimators)
- 贝叶斯网络(Bayesian Belief Network)
- 基于核的算法
- 支持向量机(SVM)
- 径向基函数(Radial Basis Function ,RBF)
- 线性判别分析(Linear Discriminate Analysis ,LDA)
- 聚类算法
- K - 均值
- K - 中位数
- EM 算法
- 分层聚类
- 关联规则学习
- Apriori 算法
- Eclat 算法
- 神经网络
- 感知器
- 反向传播算法(BP)
- Hopfield 网络
- 径向基函数网络(RBFN)
- 深度学习
- 深度玻尔兹曼机(DBM)
- 卷积神经网络(CNN)
- 递归神经网络(RNN、LSTM)
- 栈式自编码算法(Stacked Auto-Encoder)
- 降维算法
- 主成分分析法(PCA)
- 主成分回归(PCR)
- 偏最小二乘回归(PLSR)
- 萨蒙映射
- 多维尺度分析法(MDS)
- 投影寻踪法(PP)
- 线性判别分析法(LDA)
- 混合判别分析法(MDA)
- 二次判别分析法(QDA)
- 灵活判别分析法(Flexible Discriminant Analysis,FDA
- 集成算法
- Boosting
- Bagging
- AdaBoost
- 堆叠泛化(混合)
- GBM 算法
- GBRT 算法
- 随机森林
- 其他算法
- 特征选择算法
- 性能评估算法
- 自然语言处理
- 计算机视觉
- 推荐系统
- 强化学习
- 迁移学习
图片来自scikit-learn
这么多算法怕不怕,哈哈~ 学海无涯,一起努力吧!
什么是机器学习(Machine Learning)? |李宏毅机器学习【1】相关推荐
- Re:从零开始的机器学习 - Machine Learning(一) 线性回归
从我对整个职业生涯的规划出发,我不仅想做一些高质量的应用(软件工程的角度),还想做一些激动人心的应用,所以我希望能在机器学习的方向走,尽管我在大学粗浅的学了些皮毛,但如果要把机器学习作为职业发展的话这 ...
- Paper:《A Few Useful Things to Know About Machine Learning—关于机器学习的一些有用的知识》翻译与解读
Paper:<A Few Useful Things to Know About Machine Learning-关于机器学习的一些有用的知识>翻译与解读 目录 <A Fe ...
- Paper:《Hidden Technical Debt in Machine Learning Systems—机器学习系统中隐藏的技术债》翻译与解读
Paper:<Hidden Technical Debt in Machine Learning Systems-机器学习系统中隐藏的技术债>翻译与解读 导读:机器学习系统中,隐藏多少技术 ...
- 【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 17—Large Scale Machine Learning 大规模机器学习...
Lecture17 Large Scale Machine Learning大规模机器学习 17.1 大型数据集的学习 Learning With Large Datasets 如果有一个低方差的模型 ...
- 数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics
数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics ...
- 机器学习(Machine Learning)、深度学习(Deep Learning)、NLP面试中常考到的知识点和代码实现
网址:https://github.com/NLP-LOVE/ML-NLP 此项目是机器学习(Machine Learning).深度学习(Deep Learning).NLP面试中常考到的知识点和代 ...
- fprom预测结果内容_预测模型之机器学习 Machine Learning结果解读篇
原标题:预测模型之机器学习 Machine Learning结果解读篇 学友提问:对于机器学习出来的只有图形,我怎么解释呢?怎样才能在临床使用呢? 论文的实例:2013年发表在The American ...
- 数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么
数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics ...
- 机器学习(Machine Learning)深度学习(Deep Learning)资料(Chapter 2)
机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 2) - tony的专栏 - 博客频道 - CSDN.NET 注:机器学习资料篇目一共 ...
- 机器学习Machine Learning
机器学习Machine Learning 定义(Mitchell 1997):对于某类任务T和性能量度P,一个计算机程序被认为可以从经验E中学习,通过经验E改进后,它在任务T上由性能度量P衡量的性能有 ...
最新文章
- python语言怎么学-你们都是怎么学 Python 的?
- java messagebox 关闭_wince/WinForm下实现一个自动关闭的MessageBox
- QT利用QCustomplot绘制折线图海底声速梯度图,解决一条曲线中一个X值对应两个Y值
- 语音情感识别----语音特征集之eGeMAPS,ComParE,09IS,BoAW
- 程序员面试金典 - 面试题 10.02. 变位词组(哈希map)
- 微课|中学生可以这样学Python(例5.1):生成不重复的随机数
- Linux下Nginx+Tomcat整合的安装与配置
- 15个优秀的第三方 Web 技术集成
- [bug解决] TensorFlow安装错误:ERROR Cannot uninstall ‘wrapt‘
- 7.Docker技术入门与实战 --- 端口映射与容器互联
- Token 的生成 和 验证
- php 关于模板的原理和解析,PHP-关于模板的原理和解析_PHP教程
- 乐嘉性格色彩-4色特性,学习感悟
- python安装失败0x80070570_0x80070570 文件或目录损坏且无法读取 CHKDSK 修复方法
- aspose将word转换为pdf[aspose.word.java 18.11]
- 图神经网络-图与图学习笔记-1
- 【Java基础】使用swing对话框编写一个程序:输入长和宽,计算矩形的周长和面积
- 7.4 小团队、低成本的管理实践之路
- 计算机组装与维护手写笔记,科学网—计算机技术的简单小结 - 熊伟的博文
- 好程序员云计算培训分享2020年云计算的发展趋势
热门文章
- 量子计算和量子加密的基础问答
- bat脚本注释多行_批处理中的行,段注释
- 阿酷三合一版_3dmax阿酷插件
- matlab 求平面方程,MATLAB求空间平面方程
- grub4dos进入linux,GRUB4DOS怎么进入系统?GRUB4DOS进入系统的详细步骤
- MATLAB--数字图像处理 图像直方图规定化
- flash实验中需添加的flash.c文件
- [网络安全自学篇] 二十五.Web安全学习路线及木马、病毒和防御初探
- 读取 system serial number
- Java编程输出你的年龄和姓名