机器学习的定义和分类 / 机器学习 #1

当AI如火如荼时,也是时候补补课啰!什么机器学习,什么深度学习,神经网络...... 也都得搞搞明白。虽然学习新东西尤其是这种完全陌生的学科会让人头晕,但是一定的前瞻性和坚持是必要的。再怎样,也得紧跟时代嘛!

ml.jpg

先厘清几个基本问题:什么是机器学习,它的分类是什么

机器学习(ML)是人工智能(AI)的一个分支,它使计算机系统能够从数据中自动学习和改进,而无需进行显式编程。通过使用算法来解析数据、学习数据的模式,并做出决策,机器学习系统可以随着时间的推移和数据的积累而逐渐提高其性能。这里的“非显式编程”是理解的关键词,如果是“显式编程”那就是程序员了。“非显式编程”是指计算机能够从训练数据中“自学习”并随着时间的推移而改进,而无需进行显式编程。

机器学习主要分为三种类型:

  1. 监督学习(Supervised Learning):这是最常见的机器学习类型。在监督学习中,算法从标记的训练数据中学习,每个训练样本都有一个与之相关的输出标签。算法进行预测,并随着时间的推移调整其参数,以最小化预测值和实际值之间的差异。监督学习的例子包括回归和分类问题。

  2. 无监督学习(Unsupervised Learning):在无监督学习中,算法被用来分析未标记的数据。由于数据没有标签,因此算法试图自行理解数据的结构,通过识别其中的模式,如将数据分组成不同的类别(聚类)或减少数据的维度(降维)。

  3. 强化学习(Reinforcement Learning):强化学习是一种与众不同的学习方式,它通过奖励和惩罚机制来训练算法(称为智能体)在给定环境中执行特定任务。智能体通过尝试和错误来学习最佳行动策略,以最大化其长期获得的奖励。

机器学习的应用非常广泛,包括但不限于语音识别、图像识别、医疗诊断、股票市场交易、自动驾驶汽车等领域。随着数据量的增加和计算能力的提高,机器学习的能力和应用范围预计将继续扩大。

ml2.jpg

B站有大量的教学视频可以参考,书本的话则推荐周志华的《机器学习》,祝好运!