什么是機器學習

機器學習是一幫計算機科學家想讓計算機像人一樣思考所研發(fā)出的計算機理論，他們曾經說過，人和計算機本身沒有區(qū)別媳谁，同樣都是一大批互相連接的信息傳遞和存儲元素所組成的系統(tǒng)，所以有了這樣的想法，加上他們得天獨厚的數(shù)學功底奶卓，機器學習的前身也就孕育而生了。

機器學習的萌芽誕生于19世紀60年代撼玄，20年前開始逐步興起夺姑，它是一門跨學科的交融。這里邊包含了概率論掌猛，統(tǒng)計學等等學科盏浙，隨著計算機硬件的提升，計算機運算性能的不斷提高荔茬，他真正開始進入到我們的日常生活中废膘，而在不久的將來，我相信他也會成為我們生活中必不可少的組成元素慕蔚。

讓我們說說日常當中的機器學習的應用吧

第一個提到的丐黄，最具代表性的公司，應該就是Google坊萝，他們所研發(fā)的Google NOW孵稽，Google Photos都是基于機器學習的產物。同樣在百度十偶，圖片識別也是應用到機器學習中的視覺處理系統(tǒng)菩鲜。與此同時，各種各樣的企業(yè)都開始嘗試把自己的產品往機器學習上靠攏 惦积。比如金融公司的匯率預測接校，股票漲跌，房地產公司的房價預測等等。

機器學習不僅只有一種方法蛛勉，實現(xiàn)他的方法有多種多樣鹿寻。這里所說的方法，在程序語言中诽凌，我們叫做算法毡熏。目前所有的機器學習的算法，大概分為四類到五類侣诵。如果在學習過程中痢法，我們不斷向計算機提供數(shù)據(jù)和這些數(shù)據(jù)相對應的值。下面我舉一個例子

現(xiàn)在給計算機看一個貓和狗的圖片杜顺，告訴計算機那些圖片里的是貓财搁，那些是狗，然后再讓他學習分辨去貓和狗躬络，通過這樣的指引的方式尖奔，讓計算機學習我們是如何把這些圖片數(shù)據(jù)所對應的圖片所代表的物體，也就是讓計算機學習那些標簽可以代表那些圖片穷当，這種方式就叫做“監(jiān)督學習（Supervised learning）”,預測房屋的價格提茁，股票的漲停同樣可以用監(jiān)督學習來實現(xiàn)，大家所熟知的神經網絡同樣是一種監(jiān)督學習的方式膘滨，如果同樣在這樣的學習過程中甘凭，我們只給計算機提供貓和狗的圖片稀拐，但是并沒有告訴他那些是貓火邓，那些是狗。取而代之的是德撬，我讓他自己去判斷和分類铲咨，讓他自己總結出這兩種類型的圖片的不同之處，這就是一種“非監(jiān)督學習(Un-superrvised Learning)”,在這一種學習過程中蜓洪，我們可以不用提供數(shù)據(jù)所對應的標簽信息纤勒，計算機通過觀察各種數(shù)據(jù)之間的特性，會發(fā)現(xiàn)這些背后的規(guī)律隆檀，這些規(guī)律也就是非監(jiān)督方法所學到的東西摇天。

還有一種方法綜合了監(jiān)督學習和非監(jiān)督學習的特征，這種就叫做“半監(jiān)督學習”（semi-supervised learning）,它主要考慮如何利用少量的恐仑，帶有標簽的樣本和大量的沒有標簽的樣本進行分揀和分類泉坐。

在規(guī)劃機器人的行為準則方面，一種機器學習的方法叫做“強化學習”（reinforcement learning）裳仆，也就是把計算機丟到一個對于他完全陌生的環(huán)境或者讓他完成一項從未接觸過的任務腕让，他自己回去嘗試各種的手段，最后讓自己去成功適應這樣一個陌生的環(huán)境歧斟，或者學會完成這件任務的方法途徑纯丸。比如說我像訓練機器人去投籃偏形，我要只需要給他一個球，并告訴他你投進了我給你記一分觉鼻，讓他自己去嘗試各種各樣的投籃的方法俊扭，在開始階段，他的命中率可能會非常低坠陈，不過他會想人類一樣统扳，自己總結和學習投籃失敗活或者成功的經驗，最后可以達到一個很高的命中率畅姊。Google開發(fā)的AlphaGo也就是應用了其中的一種學習方式咒钟。還有一種就是和強化學習類似的一種學習方法，叫做遺傳算法（Genetio algorithm）若未。這一種方法是模擬我們熟知的進化理論朱嘴，淘汰弱者，適者生存粗合。通過這種淘汰的機制去選擇最優(yōu)的設計或者模型萍嬉。比如讓計算機學會玩超級瑪麗，最開始的馬里奧一代可能不久就會犧牲了隙疚，不過計算機會基于一代的馬里奧隨機生成第二代壤追，然后再保存這些代里邊最厲害的馬里奧，淘汰掉比較弱的馬里奧供屉，然后再次幾區(qū)強者的繁衍和變異行冰，生成更強的馬里奧，這也就是遺傳算法的基本思想伶丐。

以上就是比較重要的機器學習方法悼做，我們再來總結一下：

他們包括有數(shù)據(jù)和標簽的監(jiān)督學習，只有數(shù)據(jù)沒有標簽的非監(jiān)督學習哗魂，有結合了監(jiān)督學習和非監(jiān)督學習的半監(jiān)督學習肛走。還有從經驗中總結提升的強化學習。最后是和強化學習類似的录别，有著適者生存的朽色，不適者淘汰準則的遺傳算法學習。如果你不僅僅只滿足與弄懂這些的區(qū)別组题，還想學著如何在你的生活中如何使用這些機器學習的方法葫男。推薦去麻省理工的網站上尋找更多的資料，也可以繼續(xù)關注我往踢，我也會定期的推薦如何用當下流行的編程語言Java和他的機器學習模塊來實現(xiàn)通俗易懂的機器學習的教程腾誉。

下一期讓我們來聊聊什么是神經網絡