前言:从上大学开始就从csdn上获取了很多知识,不仅仅是其他大牛的知识讲解,随笔,还包括很多资源。如今,四年过去了,本菜鸡也走上了研究僧的路,很早就想写点东西记录一下自己的学习历程顺便分享一些东西,一直都没有做到。前两天组会轮到我报告,就讲了一点最近学的关于机器学习的基础中的基础。我发现当你需要给别人讲明白一个东西的时候,才是最有效评估你自己学的怎么样的时候。于是有了这第一篇由组会报告的ppt衍生的博客,万事开头难,希望通过这种给所有网上的朋友讲自己学的每一点东西的方式能够高效提升自己,同时记录感悟,积少成多,互相交流,互相学习,共同成长!(本科信息安全专业,硕士网络空间安全专业研一在读,方向AI安全)菜鸡一枚,背包上路!
1.Motto
不管什么研究方向,首先要在脑海中搭建本方向的知识框架或者知识树 By Boss
2.人工智能/机器学习/深度学习
对于这三个词,其实是有区别的,不应该混为一谈(否则可能会出笑话)。简而言之,人工智能(AI)是计算机科学的一门分支,旨在实现让机器获得像人类一样的智能,有别于自然智能,是一种由人工手段模仿的人造智能(人工智能的定义有很多种,理解即可)。机器学习是研究机器模拟人类的学习活动、获取知识和技能的理论和方法,以改善系统性能的学科(摘自《人工智能及其应用》-蔡自兴)。人工智能是最大的一个范围,其中的一个子分支或者主要研究内容是机器学习,而深度学习则是一种实现机器学习的技术。如下图:
3.有监督学习/无监督学习/半监督学习/强化学习
有监督学习:数据集中每个样本都带有对应的标签。给定数据,预测标签。
无监督学习:数据集中所有样本都没有标签。给定数据,寻找隐藏的结构。
半监督学习:数据集中有的样本带标签,有的不带标签。学习过程不依赖外界的咨询交互,自动利用未标记样本所包含的分布信息的方法。
上述三项是机器学习的三种任务形式。
强化学习:机器学习中的一大领域,在实践中不断强化某一方面的能力,不同于通过“喂”数据集获取经验的学习方式,而是通过有限次的实践以及反馈不断调整的一种学习方式。
4.单变量线性回归
最基础的有监督学习算法之一:线性回归
线性回归:线性+