专栏首页iOSDevLog机器学习概述与算法介绍

机器学习概述与算法介绍

  1. 机器学习概述
  2. 机器学习基本概念
  3. 机器学习基本流程与工作环节
  4. 机器学习中的评估指标
  5. 机器学习算法一览

机器学习概述


机器学习是什么

人工智能的一个重要学科分支多领域交叉学科。 数据驱动,在数据上通过算法总,结规律模式,应用在新数据上。

image

image

机器学习研究的是计算机怎样模拟人类的学习行为,以获取新的知识或技能,并重新组织已有的知识结构使之不断改善自身。 就是计算机从数据中学习出规律和模式,以应用在新数据上做预测的任务

image

互联网时代

巨大的数据量

超高的数据维度

image

机器学习几个例子

image

image

image

  • 几乎无处不在

生物信息学

生物信息学

智能医疗

智能医疗

电商推荐

电商推荐

决策助手(DARPA)

决策助手(DARPA)

Web搜索

Web搜索

无人驾驶汽车

无人驾驶汽车

要点总结

  • 机器学习:计算机从数据中学习出规律和模式,以应用在新数据上做 预测的任务。
  • 作为一套数据驱动的方法,在互联网、生物、医疗、金融、能源、交 通等等领域有广泛应用。

image

机器学习基本概念


不同类型的问题

不同类型的问题

  1. 聚类
    • 机器学习基础
    • 聚类算法原理及应用
  2. 分类
    • 监督学习算法
    • 分类算法原理及应用
  3. 回归
    • 回归分析与预测
    • 回归算法原理及应用
  4. 强化学习
    • *AlphaGo 背后的算法
    • *深度学习实战项目

分类问题(监督学习):

  • 根据数据样本上抽取出的特征,判定其属于有限个类别中的哪一个
  • 垃圾邮件识别(结果类别:1、垃圾邮件 2、正常邮件)
  • 文本情感褒贬分析(结果类别:1、褒 2、贬)
  • 图像内容识别识别(结果类别:1、喵星人 2、汪星人 3、人类 4、草泥马 5、都不是)

基本术语与概念

分类问题(监督学习)

回归问题(监督学习):

  • 根据数据样本上抽取出的特征,预测连续值结果
  • 《芳华》票房值
  • 魔都房价具体值
  • 刘德华和吴彦祖的具体颜值得分

回归问题(监督学习)

聚类问题(无监督学习)

  • 聚类问题(无监督学习):
  • 根据数据样本上抽取出的特征,挖掘数据的关联模式
  • 相似用户挖掘/社区发现
  • 新闻聚类

聚类问题(无监督学习)

强化问题:

  • 研究如何基于环境而行动,以取得最大化的预期利益
  • 游戏(“吃鸡”)最高得分
  • 机器人完成任务

强化问题

基本术语与概念

  • 无监督学习 (unsupervised learning)
  • 监督学习 (supervised learning)

基本术语与概念

数据

  • 数据集; 训练, 测试
  • 示例(instance),样例(example)
  • 样本(sample)
  • 属性(attribute),特征(feature);属性值
  • 属性空间,样本空间,输入空间
  • 特征向量(feature vector)
  • 标记空间,输出空间

算法

  • 假设(hypothesis)
  • 真相(ground-truth)
  • 学习器(learner)

模型

  • 分类,回归
  • 二分类,多分类
  • 正类,反类

类别标记

  • 未见样本(unseen instance)
  • 未知“分布”
  • 独立同分布(i.i.d.)
  • 泛化(generalization)

案例 From 周志华《机器学习》

实际应用场景

实际应用场景

要点总结

  • 机器学习分类
    • 监督学习:特征+标签
      • 分类:离散个结果中做选择
      • 回归:输出连续值结果
    • 无监督学习:特征
      • 聚类:抱团学习
      • 关联规则
    • 强化学习:从环境到行为映射的学习
  • 机器学习概念
    • 样本/示例/样例、特征/属性、训练集、 测试集
  • 机器学习工业应用方向
    • 自然语言处理、计算机视觉、电商推 荐与预估…

AI开发日志 电子书: https://iosdevlog.gitbooks.io/aidevlog

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

  • 数值优化的交互式教程

    原文: http://www.benfrederickson.com/numerical-optimization/ 作者:Ben Frederickson

    iOSDevLog
  • ML任务

    iOSDevLog
  • 《统计学习方法》笔记-统计学习方法概论-1

    统计学习(statistical learning)是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。

    iOSDevLog
  • 机器学习的种类介绍

    根据训练期间接受的监督数量和监督类型,可以将机器学习分为以下四种类型:监督学习、非监督学习、半监督学习和强化学习。

    疯狂软件李刚
  • 机器学习入门系列(1)--机器学习概览(上)

    最近打算系统学习和整理机器学习方面的知识,会将之前看的 Andrew Ng 在 course 课程笔记以及最近看的书籍《hands-on-ml-with-skl...

    kbsc13
  • 吴恩达机器学习笔记 —— 1 绪论:初识机器学习

    1 机器学习一些比较难以变成的能力——Arthur Samuel 2 通过给定任务T以及性能度量P以及经验E,计算机程序从经验E中学习,用学习的结果改善性能P...

    用户1154259
  • 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...

    磐创AI
  • 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
  • 零基础学前端 学习路线

    Joel
  • 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

扫码关注云+社区

领取腾讯云代金券