机器学习简介

在直接进入机器学习的范围之前，让我们从单词的含义开始。这可能看起来很明显，但最好一开始就从其含义入手。

• 机器是包含一个或多个能够转换能量的零件的工具。机器通常采用化学，热学或电气方式，通常是机动化的。
• 学习是根据经验改善行为的能力。

什么是机器学习?

根据Tom Mitchell的定义, 机器学习是:

“一个计算机程序即它从经验E中学习某些类别的任务T和性能度量P，如果其在T中的任务上的表现由P测量，则它随经验E而改善.”

在这个定义中:

• 任务 T 就是机器所要寻求改进的. 它可以是预测、分类、聚类等.
• 经验 E 可以用于训练数据或都输入机器所要尝试学习的数据.
• 性能 P 可以是一些因素，如机器以前不知道的精度或新技能的改进。

机器学习本身包含两个主要组成部分：学习者和推理者.

• 学习者学习一些新技能的输入/经验。
• 背景知识也可以给学习者更好的学习。
• 在输入和背景的帮助下，知识学习者生成模型。
• 该模型包含有关从输入和经验中学到的内容的信息。
• 现在，问题/任务（即预测，分类）被给予推理者。
• 在训练有素的模型的帮助下，推理者尝试生成解决方案。
• 通过添加额外的输入/体验可以改善解决方案/答案。 所以循环继续。

机器学习如何与标准程序不同

在机器学习中，您为计算机提供以下功能：

输入（经验）

输出（对应输入的输出）

并将模型/程序作为输出。在这个程序的帮助下，你可以执行一些任务。 另一方面，在标准程序中，您为计算机提供以下功能：

输入

程序（如何处理输入）

之后，你会得到输出。

下图可帮助你理解：