機器學習之入門介紹

1.機器學習概念:

????????機器學習是人工智能(AI)的一部分眠砾,研究如何讓計算機從數(shù)據(jù)學習某種規(guī)律喻频;是用數(shù)據(jù)或以往的經(jīng)驗,并以此來優(yōu)化程序的性能標準粘都。
????????機器學習廓推、深度學習、人工智能三者的關系可用下圖中的集合表示翩隧。從范圍上來說樊展,人工智能包含機器學習,而機器學習又包含深度學習堆生,三者的關系是在表示的范圍上是逐漸縮小的专缠。

人工智能、機器學習淑仆、深度學習三者關系

????????人工智能泛指讓機器具有人的智力的技術涝婉。這項技術的目的是使機器相認一樣感知、思考糯景、做事嘁圈、解決問題。人工智能是一個廣泛的技術領域蟀淮,包括自然語言理解最住、計算機視覺、機器人怠惶、邏輯和規(guī)劃等涨缚。它可以被看做計算機專業(yè)的子領域,除了和計算機相關策治,它還和心理學脓魏、認知學、社會學等有不少的交叉通惫。

????????機器學習指計算機通過觀察環(huán)境茂翔,與環(huán)境交互,在吸引信息中學習履腋,自我更新和進步珊燎。跟進一步的說惭嚣,機器學習是從數(shù)據(jù)中自動分析獲得規(guī)律(模型),并利用規(guī)律對未知數(shù)據(jù)進行預測悔政。

???????? 機器學習的對象是:具有一定的統(tǒng)計規(guī)律的數(shù)據(jù)晚吞。

???????? 機器學習的目的:讓機器學習替換手動步驟,減少企業(yè)的成本也提高企業(yè)效率谋国。在《統(tǒng)計學習方法》一書中介紹機器學習主要包含:算法槽地、策略、優(yōu)化 三個方面芦瘾。

2.機器學習的劃分

1).根據(jù)學習任務的類型捌蚊,機器學習可以劃分為:
???????有監(jiān)督學習:從已標記的訓練數(shù)據(jù)來訓練模型。 主要分為:分類任務旅急、回歸任務逢勾、序列標注任務。
???????無監(jiān)督學習任務:從未標記的訓練數(shù)據(jù)來訓練模型藐吮。主要分為:聚類任務溺拱、降維任務。
???????半監(jiān)督學習任務:用大量的未標記訓練數(shù)據(jù)和少量的已標記數(shù)據(jù)來訓練模型谣辞。
???????強化學習任務:從系統(tǒng)與環(huán)境的大量交互知識中訓練模型迫摔。

2).根據(jù)算法類型,機器學習可以劃分為:
???????傳統(tǒng)統(tǒng)計學習:基于數(shù)學模型的機器學習方法泥从。包括SVM句占、邏輯回歸、決策樹等躯嫉。
???????這一類算法基于嚴格的數(shù)學推理纱烘,具有可解釋性強、運行速度快祈餐、可應用于小規(guī)模數(shù)據(jù)集的特點擂啥。
???????深度學習:基于神經(jīng)網(wǎng)絡的機器學習方法。包括前饋神經(jīng)網(wǎng)絡帆阳、卷積神經(jīng)網(wǎng)絡哺壶、遞歸神經(jīng)網(wǎng)絡等。
??????? 深度學習算法是基于神經(jīng)網(wǎng)絡的學習方法蜒谤,它的可解釋性較差山宾,強依賴于數(shù)據(jù)集規(guī)模,只有在擁有大量訓練樣本的時鳍徽,才能發(fā)揮作用资锰。目前,深度學習算法在語音阶祭、視覺台妆、自然語言等領域非常成功翎猛。

?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市接剩,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌萨咳,老刑警劉巖懊缺,帶你破解...
    沈念sama閱讀 223,002評論 6 519
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件瓢喉,死亡現(xiàn)場離奇詭異昵观,居然都是意外死亡,警方通過查閱死者的電腦和手機驶兜,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,357評論 3 400
  • 文/潘曉璐 我一進店門舀凛,熙熙樓的掌柜王于貴愁眉苦臉地迎上來俊扳,“玉大人,你說我怎么就攤上這事猛遍〔黾牵” “怎么了?”我有些...
    開封第一講書人閱讀 169,787評論 0 365
  • 文/不壞的土叔 我叫張陵懊烤,是天一觀的道長梯醒。 經(jīng)常有香客問我,道長腌紧,這世上最難降的妖魔是什么茸习? 我笑而不...
    開封第一講書人閱讀 60,237評論 1 300
  • 正文 為了忘掉前任,我火速辦了婚禮壁肋,結果婚禮上号胚,老公的妹妹穿的比我還像新娘。我一直安慰自己浸遗,他們只是感情好猫胁,可當我...
    茶點故事閱讀 69,237評論 6 398
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著乙帮,像睡著了一般杜漠。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上察净,一...
    開封第一講書人閱讀 52,821評論 1 314
  • 那天驾茴,我揣著相機與錄音,去河邊找鬼氢卡。 笑死锈至,一個胖子當著我的面吹牛,可吹牛的內容都是我干的译秦。 我是一名探鬼主播峡捡,決...
    沈念sama閱讀 41,236評論 3 424
  • 文/蒼蘭香墨 我猛地睜開眼击碗,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了们拙?” 一聲冷哼從身側響起稍途,我...
    開封第一講書人閱讀 40,196評論 0 277
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎砚婆,沒想到半個月后械拍,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,716評論 1 320
  • 正文 獨居荒郊野嶺守林人離奇死亡装盯,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 38,794評論 3 343
  • 正文 我和宋清朗相戀三年坷虑,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片埂奈。...
    茶點故事閱讀 40,928評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡迄损,死狀恐怖,靈堂內的尸體忽然破棺而出账磺,到底是詐尸還是另有隱情芹敌,我是刑警寧澤,帶...
    沈念sama閱讀 36,583評論 5 351
  • 正文 年R本政府宣布绑谣,位于F島的核電站党窜,受9級特大地震影響,放射性物質發(fā)生泄漏借宵。R本人自食惡果不足惜幌衣,卻給世界環(huán)境...
    茶點故事閱讀 42,264評論 3 336
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望壤玫。 院中可真熱鬧豁护,春花似錦、人聲如沸欲间。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,755評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽猎贴。三九已至班缎,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間她渴,已是汗流浹背达址。 一陣腳步聲響...
    開封第一講書人閱讀 33,869評論 1 274
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留趁耗,地道東北人沉唠。 一個月前我還...
    沈念sama閱讀 49,378評論 3 379
  • 正文 我出身青樓,卻偏偏與公主長得像苛败,于是被迫代替她去往敵國和親满葛。 傳聞我的和親對象是個殘疾皇子径簿,可洞房花燭夜當晚...
    茶點故事閱讀 45,937評論 2 361

推薦閱讀更多精彩內容