前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >什么是机器学习

什么是机器学习

作者头像
闻说社
发布2022-09-27 17:23:02
4950
发布2022-09-27 17:23:02
举报

定义

利用计算机的运算能力,从大量的数据中发现一个 “函数”或“模型” ,并通过它来模拟现实世界事物间的关系,从而实现预测、判断等目的。建模的过程就是机器“学习”过程

和传统程序的区别

image.png
image.png

传统程序员把已知的规则定义好后输入给机器的,而机器学习则从已知数据中,通过不断试错、自我优化、自身总结,归纳出来。传统程序是程序员来定义函数,而机器学习中是机器训练出函数。

标签

在机器学习中,自变量x1,x2,x3,...,xn,就叫做特征(feature),因变量y叫做标签(label)。而一些历史特征和一些历史标签的集合,就是机器学习的数据集。当机器通过训练找到一个函数/模型,我们还需要验证和评估,如果函数不好,就需要调整或者找新的函数/模型。

机器学习不一定要标签,可以分为三种情况来划分:

  • 训练数据集全部有标签,叫监督学习(supervised learning);
  • 训练数据集没有标签,叫做无监督学习(unsupervised learing);
  • 在训练数据集中,有的数据有标签,有的数据没有标签,我们叫做半监督学习(semi-supervised learning)。

监督学习

监督学习被分为两类:回归问题和分类问题。

image.png
image.png

回归问题

标签是连续数值。比如预测房价、湿度、温度等。

分类问题

标签是离散性数值。比如预测明天是否会下雨、美国是否会被中国超越等。

无监督学习

目前它大多数只应用在聚类、降维等有限的场景中,往往作为数据预处理的一个子步骤显显身手。

半监督学习

半监督学习的原理、功能和流程与监督学习是很相似的,区别主要在于多了“伪标签的生成”环节,也是给无标签的数据人工“贴标签”。

很多问题无法通过“监督”学习来解决,比如说你要设计一个机器人来陪你玩牌?这就需要强化学习了。

强化学习

强化学习和监督学习的差异在于:监督学习是从数据学习,而强化学习是从环境给它的奖惩中学习。

强化学习智能体在调整策略的时候需要思路比较长远,它不一定每次都明确地选择最优动作,而是要在探索(未知领域)和利用(当前知识)之间找到平衡。它反复试错、不断收集反馈,收集可供自己学习的信号,每经过一个训练周期,都变得比原来强一点,经过亿万次的训练变得非常强大。《强化学习》第 2 版

深度学习

深度学习是一种适用深层神经网络算法的机器学习模型,也可以应用于监督学习、半监督学习和无监督学习里,也可以应用于强化学习中。

长期以来,图形图像、自然语言和文本的处理是计算机行业的难题,因为这类信息的数据集,并不是结构化的,需要人工根据信息的类型来选择特征进行提取,这样对于特征的提取是有限的,就拿图像来说,只能提取出一些简单的滤波器。

深度学习能对非结构化的数据集进行自动的复杂特征提取,完全不需要人工干预。

本文系转载,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文系转载前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 定义
  • 和传统程序的区别
  • 标签
    • 监督学习
      • 回归问题
      • 分类问题
    • 无监督学习
      • 半监督学习
      • 强化学习
      • 深度学习
      领券
      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档