机器学习
机器学习介绍
人工智能是目标,机器学习是手段,深度学习是一种方法。
机器学习是从数据中寻找一个或若干个规律/函数,并根据新的数据作出相对的回应。
机器学习流程
学习总览
监督学习
回归 Regression
提供数据,找到合适的模型,对未来进行预测
代表性模型: Linear Regression(也有用于二分类)
分类 Classification
非线性模型:
Deep Learning,原理较为复杂。
SVM、决策树、K-NN…
二元分类
输出Yes or No
举例:垃圾邮件的判断
将带标签的数据喂给机器进行学习,预测不带标签的数据进行预测正负标签
多分类
输出是什么类别
举例:文章题材的分类
标签的类别有多种
半监督学习、迁移学习
适用于大多数训练数据的标签不完整或无关,之后再进行补充。
无监督学习
训练数据没有标签,让机器自己学习其中的规律/共性
结构化学习
举例:语音识别、机器翻译、人脸识别
强化学习
举例:Alpha Go(监督加强化)
不断获得反馈来调整模型