走进机器学习

机器学习(Machine Learning, ML),顾名思义就是要让机器能像人一样去学习。这是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。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。机器学习是人工智能的一个分支,也是人工智能的核心,是使计算机具有智能的根本途径。所以和人工智能一样,机器学习也是一门综合了统计学、概率论、逼近论、凸分析、计算复杂性理论等的交叉学科。

图1 机器学习的研究领域

从图中我们可以看到机器学习和模式识别、数据挖掘、统计学习、计算机视觉、语音识别、自然语言处理等多个领域都密切相关。

机器学习按实现方法可以如下分类:

(一)监督学习(Supervised learning):是指在有标记样本上建立机器学习的模型。

我们已经知道一些数据和正确的输出结果(训练集),然后通过这些数据训练出一个模型,再利用这个模型去预测新数据的输出结果。监督学习可分为回归问题和分类问题两大类。回归问题中,我们预测的结果是连续值;而分类问题中,我们预测的结果是离散值。常见的监督学习算法有:线性回归、逻辑回归、K-近邻、朴素贝叶斯、决策树、随机森林、支持向量机、梯度下降算法等。

下面说一下监督学习的一般框架:

f(x)可以是如下几种形态:

1. 一种回归方法

2. 一个最近邻模型

3. 一系列规则的集合

4. 一个神经网络

5. 一个贝叶斯网络

......

(二)无监督学习(Unsupervised learning):无监督学习中没有给定类标的训练样本,这就需要我们对给定的数据直接进行建模。和监督学习最大的不同在于无监督学习我们事先并不知道数据的类标。常见的无监督学习算法有:聚类、EM算法等。有监督学习与无监督学习的区别就在有无标记样本(或类标)。

(三)强化学习(Reinforcement learning):强化学习是研究如何基于环境而行动,以取得最大的预期利益。比如:下棋、问题。在全局结果没出来之前,不知道每步走的是对还是错。也就是说我们在进行每一步时候不知道其对结果的影响有多大,只有等最终的结果出来后才明确。强化学习很依赖于学习的周围环境。

目前机器学习广泛应用于语音识别、自然语言处理、医学诊断、无人驾驶、人机博弈等多个领域,诸如:科大讯飞语音助手、谷歌翻译、电子商城的推荐系统、美图软件的图片处理功能、今日头条的个性化新闻定制等这些具体的应用场景和我们的生活息息相关。而在未来,机器学习将实现金融、医疗、教育、交通、生物、化学、农业等的全领域覆盖,这不仅是一场科技的革命,更是时代的大势所趋。机器学习的浪潮必然会让我们的生活发生翻天覆地的变化,也将全方位推动人类社会更加文明。

本文分享自微信公众号 - 磐创AI(xunixs),作者:Geppetto

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-03-14

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 两年,从月入4K到40K,从来不是努力工作,而是不断跳槽

    这两年期间,经历了4次跳槽,学习→工作实践→跳槽,是我登上每一节楼梯的方式。当然,跳槽的前提是你新学的知识+工作经验,能让面试官觉得你值得这份工作。

    磐创AI
  • 进阶深度学习?这里有9个给程序员的建议

    这名开发者名叫Alexey Gaziev,是一家社交媒体管理创业公司的CTO,原来是一名Ruby开发者,后来自己学习深度学习。

    磐创AI
  • 机器学习在生活中的九大有趣应用

    【磐创AI导读】:人工智能现在已经变得无处不在了,生活中有很多关于它的应用,可能你正在以某种方式使用它,但你却不知道它。人工智能最流行的应用之一是机器学习,它是...

    磐创AI
  • 零基础学前端 学习路线

    Joel
  • 【经验】普通程序员如何转做人工智能

    小编邀请您,先思考: 1 您擅长那种编程语言? 2 您了解深度学习,机器学习和人工智能吗? 我曾经也只是一个只懂 ACM 竞赛相关算法的普通程序员,误打误撞接触...

    陆勤_数据人网
  • 《元学习meta learning)》2020综述论文大全!

    近年来,元学习领域,或者说“学会学习的学习”,引起了人们极大的兴趣。与传统的人工智能方法(使用固定的学习算法从头开始解决给定的任务)不同,元学习的目的是改进学习...

    深度学习技术前沿公众号博主
  • 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
  • 我是如何每周坚持 5 天自学机器学习,并拿到offer的

    本文作者是工程师 Daniel Bourke ,在本文中他分享了自己是如何通过 9 个月的自学,最终找到一份机器学习工作的经验,以下是他的全文。

    AI研习社
  • 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
  • 从普通程序员到AI大神,跨界的正确方式

    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。

    钱塘数据

扫码关注云+社区

领取腾讯云代金券