什么是机器学习?
1.机器学习 == 寻找一种函数
这个函数可以是:
1. 语音识别:输入一段语音信号,输出文字
f(
![这里写图片描述 bb](http://img.blog.itpub.net/blog/2018/12/27/1e9b967c8d7bded9.jpeg?x-oss-process=style/bb)
)="howareyou"
2. 图像识别:输入图片,输出图片的属性
f(
![这里写图片描述 bb](http://img.blog.itpub.net/blog/2018/12/27/8cc392f6ce26cbd9.jpeg?x-oss-process=style/bb)
)=“cat”
3. 智能控制:输入棋盘局势,输出下一步落棋位置
f(
![这里写图片描述 bb](http://img.blog.itpub.net/blog/2018/12/27/b7796acb6b12f211.jpeg?x-oss-process=style/bb)
)="5∗5"
4. 对话系统: 输入语言,系统回复
f("Hi")="Hello"
2.如何寻找这个函数
![这里写图片描述 bb](http://img.blog.itpub.net/blog/2018/12/27/49f946c251817acb.jpeg?x-oss-process=style/bb)
和把大象放冰箱一样,一共分三步:
1.定义一个函数集合(define a function set)
2.判断函数的好坏(goodness of a function)
3.选择最好的函数(pick the best one)
3.学习路线
1. 监督学习(Supervised learning)
2. 半监督学习(Semi-Supervised learning)
3. 迁移学习(Transfer learning)
4. 非监督学习(Unsupervised learning)
5. 结构化学习(Structed learning)
3.1 监督学习
监督学习是在有数据标注的情况下进行学习。
回归:(Regression)
回归问题,寻找函数f的输出为一个数值。一般用于预测。
该问题一般是通过大量的训练数据,找到相对正确的函数。
例如:我们可以从历史的PM2.5的数据中,找到规律,预测未来的PM2.5
![这里写图片描述 bb](http://img.blog.itpub.net/blog/2018/12/27/a425c6078e592355.jpeg?x-oss-process=style/bb)
分类:(Classification)
分类问题可以分为二分类,和多分类。
![这里写图片描述 bb](http://img.blog.itpub.net/blog/2018/12/27/01b39aa3f2e5eba9.jpeg?x-oss-process=style/bb)
3.2 半监督学习(Semi-Supervised learning)
半监督学习,是学习的过程中,当训练数据中带标记的(labled)数据不够多
举个例子:识别猫和狗的过程中:
带标记的数据:
![这里写图片描述 bb](http://img.blog.itpub.net/blog/2018/12/27/9020f83cc7850bb2.jpeg?x-oss-process=style/bb)
不带标记的数据:
![这里写图片描述 bb](http://img.blog.itpub.net/blog/2018/12/27/40dd0d737e8d5683.jpeg?x-oss-process=style/bb)
3.3 迁移学习(Transfer learning)
迁移学习是在已经学习的基础上,去做看似和以前学习不相关的事情,但是实际效果很好。
例如:还是识别猫狗的例子,我们可以在识别猫狗的基础上识别大象、老虎。(在一定的基础上进行学习)
![这里写图片描述 bb](http://img.blog.itpub.net/blog/2018/12/27/a95b46e070fcc506.jpeg?x-oss-process=style/bb)
![这里写图片描述 bb](http://img.blog.itpub.net/blog/2018/12/27/d3df117f1661e952.jpeg?x-oss-process=style/bb)
3.3 非监督学习(Unsupervised learning)
非监督学习就是在没有具体数据标注的情况下进行学习。
例如:
(1)机器阅读:机器在大量的文档中学会词语的意思
(2)机器绘画:机器在看过图片信息后,自己绘制图片
3.4 结构化学习(Structed learning)
结构化学习就是要超越简单的回归和分类,函数产生结构化的结果:比如图片、语言、声音。
f(
)=(机器学习是未来的钥匙!)
--------------期待开始--------------
来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/31556503/viewspace-2286678/,如需转载,请注明出处,否则将追究法律责任。
转载于:http://blog.itpub.net/31556503/viewspace-2286678/