最近开始学习机器学习,今天先分享一下机器学习概念和常用场景。
机器学习(Machine Learning, ML) 专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习主要是指从数据中学习到模式,或者说,ML可以从一系列观察和响应反馈中推断出模式和不平凡的关系。
机器学习应用非常广泛,比如,亚马逊用ML来推荐适当的书(或者其他产品)给用户。这在机器学习里面属于推荐系统。推荐系统学习用户的行为然后预测用户可能会对某个产品感兴趣。Netflix和其他很多在线零售商一样也用推荐系统来推荐视频租聘。
语言识别系统:
通过学习以前一系列标示用户的语音,然后识别新语音中的用户。
人脸识别系统:
通过学习以前人脸图像,学习人的特征然后从一张新的人脸图识别出人。这可以看着是一类分类难题。另一类类似的是证明问题,同样是通过学习一系列人的图像,然后提供一个新的已知的人脸来识别,系统通过识别来证明的确是同一个人。
垃圾邮件过滤:
通过从一系列被标签为垃圾和非垃圾的邮件中学习,系统可以识别新的邮件是否是垃圾邮件。
实体名字识别:
给定一组标记文件(带标记的实体)和 新的文档,系统正确命名新文件的实体。
网页搜索:
怎么通过制定的搜索条件,从数以亿记的文档中找出相关的文档给用户。这个有很多算法,包括谷歌的page rank,还有号称超过谷歌的ranknet等。算法需要依赖用户对web网页访问的频率。