解決方法與機器學(xué)習(xí)

機器和人很像颅湘,甚至可以說人和機器很像吃引,我們應(yīng)該要向機器學(xué)習(xí)。

被賦予了智能的機器沿后,到底有多可怕——

人工智能=

????強大的計算+海量的存儲+快速的檢索+迅速的反應(yīng)+優(yōu)秀的邏輯推理+深不可測的學(xué)習(xí)力

人解決問題的方法抽象起來有幾個:

1)知識法沿彭,檢索現(xiàn)有知識庫,看有沒有解決方案尖滚;

2)咨詢法喉刘,請教他人,看有沒有解決方案漆弄;

3)準(zhǔn)則法睦裳,問自己有沒有制定什么準(zhǔn)則,無論什么情況下都去遵守這個準(zhǔn)則撼唾;

4)經(jīng)驗法廉邑,通過對歷史類似事件或情況(數(shù)據(jù))的總結(jié)分析,推測解決方案。

學(xué)習(xí)力蛛蒙,講的就是機器學(xué)習(xí)糙箍,它是一種能夠賦予機器學(xué)習(xí)的能力以此讓它完成直接編程無法完成的功能的方法。但從實踐的意義上來說牵祟,機器學(xué)習(xí)是一種通過利用數(shù)據(jù)深夯,訓(xùn)練出模型,然后使用模型預(yù)測的一種方法诺苹。

而機器學(xué)習(xí)方法抽象為兩種:生成方法和判別方法咕晋。

判別方法:由數(shù)據(jù)直接學(xué)習(xí)決策函數(shù)Y=f(X)或者條件概率分布P(Y|X)作為預(yù)測的模型,即判別模型筝尾〖裥瑁基本思想是有限樣本條件下建立判別函數(shù),不考慮樣本的產(chǎn)生模型筹淫,直接研究預(yù)測模型。

生成方法:由數(shù)據(jù)學(xué)習(xí)聯(lián)合概率密度分布P(X,Y)呢撞,然后求出條件概率分布P(Y|X)作為預(yù)測的模型损姜,即生成模型:P(Y|X)= P(X,Y)/ P(X),模型表示了給定輸入X產(chǎn)生輸出Y的生成關(guān)系殊霞。

模型的兩個分類:生成模型和判別模型摧阅。

生成模型學(xué)習(xí)聯(lián)合概率分布p(x,y),即x,y要同時出現(xiàn)的概率绷蹲;而判別模型學(xué)習(xí)條件概率分布p(y|x)棒卷,x已出現(xiàn)后y會出現(xiàn)的概率。

具體:聯(lián)合概率祝钢,太陽和地球同時爆炸的概率比规;條件概率,太陽已經(jīng)爆炸的前提下拦英,地球爆炸的概率蜒什。

典型的生成模型:樸素貝葉斯和隱馬爾科夫模型。

典型的判別模型:k近鄰疤估,感知機灾常,決策樹,支持向量機铃拇。

具體:判斷一個人說的是哪國語言钞瀑。

生成方法:學(xué)習(xí)每一種語言,你花了大量精力把漢語慷荔、英語和法語等都學(xué)會雕什,學(xué)會了什么樣的語音對應(yīng)什么樣的語言。有人和你說話,你通過語音就能快速知道對方說的是哪國話了监徘。

判別方法:不去學(xué)習(xí)每一種語言晋修,你只學(xué)習(xí)這些語言模型之間的差別,然后再分類凰盔。意思是指學(xué)會了漢語和英語等語言的發(fā)音是有差別的墓卦,我學(xué)會這種差別就好了。

兩者關(guān)系:由生成模型可以得到判別模型户敬,但由判別模型得不到生成模型落剪。

總言之:

生成方法,研究數(shù)據(jù)本身尿庐,找到數(shù)據(jù)產(chǎn)生的方式忠怖,去分類;

判別方法抄瑟,研究數(shù)據(jù)關(guān)系凡泣,找到數(shù)據(jù)之間的差異,去分類皮假。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末鞋拟,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子惹资,更是在濱河造成了極大的恐慌贺纲,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,817評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件褪测,死亡現(xiàn)場離奇詭異猴誊,居然都是意外死亡,警方通過查閱死者的電腦和手機侮措,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,329評論 3 385
  • 文/潘曉璐 我一進店門懈叹,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人萝毛,你說我怎么就攤上這事项阴。” “怎么了笆包?”我有些...
    開封第一講書人閱讀 157,354評論 0 348
  • 文/不壞的土叔 我叫張陵环揽,是天一觀的道長。 經(jīng)常有香客問我庵佣,道長歉胶,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,498評論 1 284
  • 正文 為了忘掉前任巴粪,我火速辦了婚禮通今,結(jié)果婚禮上粥谬,老公的妹妹穿的比我還像新娘。我一直安慰自己辫塌,他們只是感情好漏策,可當(dāng)我...
    茶點故事閱讀 65,600評論 6 386
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著臼氨,像睡著了一般掺喻。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上储矩,一...
    開封第一講書人閱讀 49,829評論 1 290
  • 那天感耙,我揣著相機與錄音,去河邊找鬼持隧。 笑死即硼,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的屡拨。 我是一名探鬼主播只酥,決...
    沈念sama閱讀 38,979評論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼洁仗!你這毒婦竟也來了层皱?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,722評論 0 266
  • 序言:老撾萬榮一對情侶失蹤赠潦,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后草冈,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體她奥,經(jīng)...
    沈念sama閱讀 44,189評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,519評論 2 327
  • 正文 我和宋清朗相戀三年怎棱,在試婚紗的時候發(fā)現(xiàn)自己被綠了哩俭。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 38,654評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡拳恋,死狀恐怖凡资,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情谬运,我是刑警寧澤隙赁,帶...
    沈念sama閱讀 34,329評論 4 330
  • 正文 年R本政府宣布,位于F島的核電站梆暖,受9級特大地震影響伞访,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜轰驳,卻給世界環(huán)境...
    茶點故事閱讀 39,940評論 3 313
  • 文/蒙蒙 一厚掷、第九天 我趴在偏房一處隱蔽的房頂上張望弟灼。 院中可真熱鬧,春花似錦冒黑、人聲如沸田绑。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,762評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽掩驱。三九已至,卻和暖如春豁延,著一層夾襖步出監(jiān)牢的瞬間昙篙,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,993評論 1 266
  • 我被黑心中介騙來泰國打工诱咏, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留苔可,地道東北人。 一個月前我還...
    沈念sama閱讀 46,382評論 2 360
  • 正文 我出身青樓袋狞,卻偏偏與公主長得像焚辅,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子苟鸯,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 43,543評論 2 349