這片學(xué)習(xí)筆記來自于google一個課程《Machine Learning 101》常空，整個課程并沒有很深入的講機器學(xué)習(xí)的具體算法實現(xiàn)沽一，而是從更宏觀的視角介紹了什么是機器學(xué)習(xí)，它工作的基本原理是什么漓糙，它有哪些訓(xùn)練方式铣缠，它的輸出類型又有哪些，還有這些常見應(yīng)用在機器學(xué)習(xí)中的算法類型有什么？我對課程中的一些關(guān)鍵要點進行了記錄蝗蛙，希望能夠幫助好奇的讀者能夠從宏觀視野來理解機器學(xué)習(xí)蝇庭，也能夠站在門口窺探一下機器學(xué)習(xí)的內(nèi)部構(gòu)造
什么是ML, ML有什么類型
- Artificial Intelligence現(xiàn)在主要領(lǐng)域是Narrow AI，在特定的領(lǐng)域做的比人類好（比如識別物體捡硅，聲音哮内，NLP，創(chuàng)意壮韭，預(yù)測北发，翻譯，轉(zhuǎn)換）
- Machine Learning是根據(jù)數(shù)據(jù)找出模式喷屋，通過教機器識別模式琳拨，而不是通過編程定義的特殊規(guī)則。
-
Deep Learning是一個實現(xiàn)machine learning的技術(shù)屯曹，deep neural network（DNN）是一種DL技術(shù)
image
如何選擇數(shù)據(jù)來訓(xùn)練
- 第一步是確定被識別對象的屬性狱庇，features/attributes，找出具有差異性的屬性恶耽。注意太多維度數(shù)據(jù)會導(dǎo)致過度擬合密任，所以需要分別屬性的分辨度
- 第二步是獲取足夠多的數(shù)據(jù)來進行訓(xùn)練，下面ML的7步
- 獲取數(shù)據(jù)偷俭，Gathering Data
- 準備數(shù)據(jù)批什，Preparing that Data
- 選擇模型，choosing a model
- 進行訓(xùn)練社搅，Training
- 評估結(jié)果驻债，Evaluation
- 參數(shù)調(diào)優(yōu)，Parameter Tuning
- 進行預(yù)測形葬，Prediction
下面這個視頻是介紹上面七步的完整視頻合呐，
https://www.youtube.com/playlist?list=PLIivdWyY5sqJxnwJhe3etaK7utrBiPBQ2
下面這個網(wǎng)站可以掩飾機器學(xué)習(xí)是如何進行的
http://playground.tensorflow.org/
機器學(xué)習(xí)有哪些訓(xùn)練方式
- Supervised Learning，你需要告訴機器如何對數(shù)據(jù)分類笙以，需要人來給出數(shù)據(jù)的標簽
- Unsupervised Learning淌实，機器可以自己對數(shù)據(jù)進行分類，從一個非標簽化的數(shù)據(jù)集中學(xué)習(xí)
- Reinforcement Learning猖腕，在訓(xùn)練中加入獎勵和懲罰拆祈，每次訓(xùn)練都是一次嘗試
這些訓(xùn)練方式是如何工作的
- 使用回歸模型來擬合離散點
- 使用一條線來劃分兩個群體
- 使用k-nearest neighbour來區(qū)分
- 神經(jīng)網(wǎng)絡(luò)，模擬大腦建模倘感。
-
每個神經(jīng)節(jié)點有加權(quán)的輸入信息
image -
很多神經(jīng)節(jié)點構(gòu)成了多層神經(jīng)網(wǎng)絡(luò)
image
-
下面這個視頻可以幫助更形象的理解Deep Neural Network
https://www.youtube.com/watch?v=aircAruvnKk
ML的輸出類型
-
回歸：預(yù)測數(shù)值
image -
分類：對象分類
image 集群：相似的放在一起
序列預(yù)測：預(yù)測一句話的下一個詞
概率估計
ML的算法類型
1.Regression
找出最貼近離散點的回歸函數(shù)
2.Instance-Based
根據(jù)離散點的距離來分類
3.Decision Tree
4.Bayesian
5.Clustering
6.Association Rules
7.Artificial Neural Networks
8.Deep Learning
9.Dimensionality Reduction
10.Ensemble
