专栏首页悦思悦读AI 入行那些事儿(5)以模型为驱动学习机器学习

AI 入行那些事儿(5)以模型为驱动学习机器学习

2021 开年巨献 —— 系列文章《AI 入行那些事儿》,为您讲述:

  • 人工智能的基础原理、发展历程、当前应用
  • 成为 AI 技术人员所需的入门技能和学习途径
  • 以及求职、面试的全过程

模型:机器学习三要素的核心

机器学习的三要素中,最核心的是模型。无论算法还是数据都是为获得模型服务的。

建议读者在学习机器学习时,从模型函数入手,以数据处理、特征提取等知识为辅。通过推导模型的目标函数,来学习求解过程,并以此来学习算法。

有监督学习 vs 无监督学习机

简单来说,机器学习模型可以分为两种:有监督的和无监督的。

有监督学习

前文提到的关于员工信息的模型就是有监督的模型,每一个训练数据样例都有一个人工打上的标签。

有监督的模型可以分成多种类型,其中最常用的有回归模型和分类模型两种。回归模型的预测结果是连续的,它输出的是一个范围内的连续型任意值,而分类模型的预测结果是离散的,是几个有限的域离散值中的一个。

垃圾邮件过滤器就是一种分类模型,在一封邮件进入系统后,垃圾邮件过滤器会对邮件进行判断,并给它打一个标签。这个标签只可能是“垃圾”或“不是垃圾”,不存在第三种情况,所以它的输出是有限个。

线性回归、逻辑回归、决策树、支持向量机、朴素贝叶斯分类器、隐马尔可夫模型、条件随机场等都是有监督的模型。

无监督学习

没有标签的训练数据被用于无监督学习。

无监督算法中最典型的一种是聚类。聚类是指把特征相同的一些样本聚集在一起。

实际上,在聚集之前,我们也不知道聚集的结果是什么,在聚集之后,我们仍然不知道聚集起来的是什么类别的样本。K均值和谱聚类都是无监督的聚类模型。

机器学习的应用

机器学习的应用领域非常广泛,在金融领域,有一个术语叫做 Fintech,是指把以前很多由人工来完成的工作交给机器学习模型来完成。

在北美,风控、风险评估、贷款评估等工作都已经完全通过这种自动化的方式来完成了。

在中国,机器学习的发展相对较慢,很多工作还是由人工完成,但近年来,中国的银行也在发生变化,自动化的工作越来越多。

除此之外,数据发掘、电商推荐系统(包括用户画像),以及工业上的异常检测等都是机器学习的应用领域。

本文分享自微信公众号 - 悦思悦读(yuesiyuedu),作者:叶蒙蒙,曹悠

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:2021-01-30

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

  • AI 入行那些事儿(3)机器是如何学习的?

    设想一下,当我们听到“苹果”这个词时,我们会想到什么呢?是不是会想到那种又红又圆、酸甜可口的水果?

    叶锦鲤
  • AI 入行那些事儿(4)最简单的机器学习模型:线性回归

    我们来看一个最简单的机器学习模型:线性回归。这个模型基于一种假设:我们的样本数据的特征和标签之间存在着线性关系,也就是说以样本特征为自变量的线性函数值就是样本标...

    叶锦鲤
  • AI 入行那些事儿(13)人工智能的三类技术岗位

    人工智能能够不断发展,人才的支撑是不可或缺的。现在,人工智能的发展水平已经今非昔比,在这样一个背景下,这个行业需要怎样的人才呢?

    叶锦鲤
  • 深度学习要走向更深?Gary Marcus称DL与经典AI结合才是出路

    自1950年代以来,AI的发展一直承载了过多的未能实现的期待。尽管近年来由于深度学习的突破而实现了质的飞跃,当今的AI领域仍然有诸多问题亟待突破:面对攻击时的脆...

    新智元
  • 【LeCun vs Marcus巅峰论战】AI学习是否需要类似人类的认知结构?

    【新智元导读】人工智能和心理学领域的两位顶尖研究者,纽约大学 Yann LeCun 和 Gary Marcus 就 AI 是否需要类似人类和动物的内置的认知机制...

    新智元
  • 【越好奇,越强大】伯克利研究人员使用内在激励,教AI学会好奇

    来源:Quanta Magazine 编译:Cecilia 【新智元导读】伯克利研究人员正在开发具有好奇心的AI。他们想创造有内在自我驱动能力的AI,而不是依赖...

    新智元
  • 斯坦福学者:生物智能可能是解决AI发展瓶颈的关键

    最初的类人智能出现在几百万年前的非洲大陆,并持续进化,最终在大约 10 万年前,在我们人类这一物种——智人的大脑中达到顶峰。

    新智元
  • 深度学习 vs 概率图模型 vs 逻辑学

    用户1737318
  • 深度学习 vs 概率图模型 vs 逻辑学

    【编者按】在上个月发表博客文章《深度学习vs机器学习vs模式识别》之后,CMU博士、MIT博士后及vision.ai联合创始人Tomasz Malisiewi...

    CSDN技术头条

扫码关注云+社区

领取腾讯云代金券