专栏首页人工智能技术词条 机器学习篇

技术词条 机器学习篇

机器学习(Machine Learning)

解释讲述人工智能领域内的专业词汇和算法,是AI君在2018年最先要做的事情,我们第一个要讲的就是大名鼎鼎的“机器学习”。

机器学习,英文全称Machine Learning,是人工智能领域的一个重要学科,Tom M. Mitchell在其著作《Machine Learning》中指出,机器学习就是指“计算机利用经验自动改善系统自身性能的行为”。简言之,机器学习是指通过计算机学习数据中的内在规律性信息,获得新的经验和知识,以提高计算机的智能性,使计算机能够像人那样去决策。

机器学习算法一般主要分为三类:监督式学习(supervised learning);非监督式学习(unsupervised learning);强化学习(reinforcement learning)。接下来分别对这三类算法作简要介绍。

因为机器学习本身是诸多种算法的总称,所以读者如果在下文中看到不明白的名词也不必太费心了解,对于下文中提到的每一个算法,将来都会发布单独的一篇文章予以介绍。

监督式学习

监督学习用有标签的数据作为最终学习目标,通常学习效果好,但获取有标签数据的代价是昂贵的。

监督学习的数据集包括初始训练数据和人为标注目标,希望根据标注特征从训练集数据中学习到对象划分的规则,并应用此规则在测试集数据中预测结果,输出有标记的学习方式。因此,监督学习的根本目标是训练机器学习的泛化能力。

监督学习的典型算法有:逻辑回归(logistic regression)、多层感知机(multilayer perceptron, MLP)、卷积神经网络(convolutional neural network, CNN)等;典型应用有:回归分析(regression analysis)、任务分类(classification)等。

非监督式学习

无监督学习相当于自学习或自助式学习,便于利用更多的数据,同时可能会发现数据中存在的更多模式的先验知识(有时会超过手工标注的模式信息),但学习效率较低。

无监督学习,用于处理未被分类标记的样本集数据并且事先不需要进行训练,希望通过学习寻求数据间的内在模式和统计规律,从而获得样本数据的结构特征,因此,无监督学习的根本目标是在学习过程中根据相似性原理进行区分。无监督学习更近似于人类的学习方式,被Andrew Ng誉为:人工智能最有价值的地方。

无监督学习的典型算法有自动编码器(auto encoder)、受限玻尔兹曼机(restricted boltzmann machine, RBM)、深度置信网络(deep belief network, DBN)等;典型应用有:聚类(clustering)和异常检测(anomaly detection)等。

强化学习

在未知环境中,关于智能体(agent) 的学习行为是一个既充满挑战又有趣的问题,强化学习通过试探(trial-and-error)与环境交互获得策略(policy)的改进,其学习和在线学习的特点使其成为机器学习研究的一个重要分支。

强化学习技术以马可夫决策过程(markov decision process)为基础,它的基本思想是:如果智能体(agent)的某个动作(action)导致环境正的奖赏(reward),即为强化信号,则智能体以后这个动作的趋势便会加强; 反之智能体产生这个动作的趋势减弱。

众所周知的打败人类围棋世界冠军的"阿尔法围棋"(AlphaGo)的技术原理就是强化学习。升级版的AlphaGo Zero更是不需要借助任何人类知识,从随机的自我对弈开始,只学习了3天就以100:0的战绩横扫曾经打败了李世石的AlphaGo版本。

结合深度学习(deep learning)的深层强化学习(deep reinforcement learning),是目前人工智能领域最前沿的研究和应用方向之一。近年来,计算机运算速度不断加快,量子计算领域的研究也在稳步进行,人类可以利用计算机对更大规模、更大尺度的数据进行处理,相信在不远的将来,人类终能迎来通用人工智能的时代。

总结

机器学习的一般流程如下图。总之,机器学习就是计算机在算法的指导下,能够自动学习大量输入数据样本的数据结构和内在规律,给机器赋予一定的智慧,从而对新样本进行智能识别,甚至实现对未来的预测。

End

—如果喜欢,快分享给你的朋友吧—

让我们一起在这里,领略人工智能之美

微信/微博:AI君工作日记

图片来源

http://nkonst.com/machine-learning-explained-simple-words/

https://thumbs.dreamstime.com/z/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%A6%82%E5%BF%B5-62982306.jpg

https://2.bp.blogspot.com/-Day4kDlOn3s/Wa0oMafMaDI/AAAAAAAAD4o/cXVyly-t4VkrIA6Xxk9v98c5MRfQnCW9QCLcBGAs/s1600/3%2BML.png

参考文献

Carbonell, J. G., Michalski, R. S., & Mitchell, T. M. (1983). An overview of machine learning. In Machine learning (pp. 3-23). Springer Berlin Heidelberg.

Goldberg, D. E., & Holland, J. H. (1988). Genetic algorithms and machine learning. Machine learning, 3(2), 95-99.

Nasrabadi, N. M. (2007). Pattern recognition and machine learning. Journal of electronic imaging, 16(4), 049901.

Michalski, R. S., Carbonell, J. G., & Mitchell, T. M. (Eds.). (2013). Machine learning: An artificial intelligence approach. Springer Science & Business Media.

Zhang Run, & Wang Yong-bin. (2016). Research on Machine Learning with Algorithm and Development. Journal of Communication University of China Science and Technology, 23(2), 10-18.

本文来自企鹅号 - 全球大搜罗媒体

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 易忽略的强化学习知识之基础知识及MDP

    推荐阅读时间:8min~12min 主要内容:容易忽略的强化学习知识之基础知识及MDP 由于我对RL的期望挺大,很看好它的前景,故之后应该会写下一个系列的强化学...

    企鹅号小编
  • 误区解读:ML和DL之间的区别和使用情况

    【IT168 资讯】深度学习是机器学习的一个子集,都是人工智能的子集。机器学习与深度学习不完全属于一个拳击淘汰赛中,深度学习是机器学习的一个子集,而它们都是人工...

    企鹅号小编
  • 机器学习和深度学习概念入门(下)

    目 录 1人工智能、机器学习、深度学习三者关系 2什么是人工智能 3什么是机器学习 4机器学习之监督学习 5机器学习之非监督学习 6机器学习之半监督学习 7机...

    企鹅号小编
  • AI领域学习路线图:普通程序员如何转向AI方向

      眼下,人工智能已经成为越来越火的一个方向。普通程序员,如何转向人工智能方向,是知乎上的一个问题。本文是我对此问题的一个回答的归档版。相比原回答有所内容增加。

    机器人网
  • 普通程序员如何转向AI方向

    原文地址:http://www.cnblogs.com/subconscious/p/6240151.html 眼下,人工智能已经成为越来越火的一个方向。普通程...

    Albert陈凯
  • 普通程序员如何转向AI方向?

    本文的目的是给出一个简单的,平滑的,易于实现的学习方法,帮助 “普通” 程序员踏入AI领域这个门。这里,我对普通程序员的定义是:拥有大学本科知识;平时工作较忙;...

    华章科技
  • 外行人都能看得懂的机器学习,错过了血亏!

    没错,这篇主要跟大家一起入门机器学习。作为一个开发者,”人工智能“肯定是听过的。作为一个开发面试者,肯定也会见过”机器学习“这个岗位(反正我校招的时候就遇到过)...

    Java3y
  • 零基础学前端 学习路线

    Joel
  • 元学习 – Meta learning

    深度学习:深度学习相比机器学习来说,在复杂问题上的效果更好,但是面对互相影响的问题或者连续问题时就无从下手了,智能处理一对一的映射问题;

    easyAI
  • 机器学习(1)之入门概念

    关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第二 【Python】:排名第三 【算法】:排名第四 机器学习是什么 机器学习是什么?实际...

    昱良

扫码关注云+社区

领取腾讯云代金券