机器学习算法 java_Java开发人员的机器学习，第1部分：机器学习算法

机器学习算法 java

无人驾驶汽车，面部检测软件和语音控制扬声器均基于机器学习技术和框架构建，而这些仅仅是第一波。 在接下来的十年中，新一代产品将改变我们的世界，为软件开发以及我们创建和使用的应用程序和产品启动新的方法。

作为Java开发人员，您想超越这一曲线，特别是因为高科技公司开始认真地投资于机器学习。 今天所学的内容，可以在未来五年内继续发展，但是必须从某个地方开始。

本文将帮助您入门。 您将首先对机器学习的工作方式有一个第一印象，然后是实现和训练机器学习算法的简短指南。 在研究了学习算法和可用于训练，评分和选择最适合的预测功能的功能的内部之后，您将获得使用JVM框架Weka构建机器学习解决方案的概述。 本文重点介绍有监督的机器学习，这是开发智能应用程序的最常用方法。

Java开发人员的机器学习，第2部分

您准备好下一步了吗？ 本教程的后半部分向您展示如何开发和部署机器学习数据管道。

机器学习已经从人工智能领域发展而来，该领域旨在生产能够模仿人类智能的机器。 尽管机器学习是计算机科学中的新兴趋势，但人工智能并不是一个新的科学领域。 由Alan Turing在1950年代初期开发的Turing测试是为确定计算机是否具有真实智能而创建的首批测试之一。 根据图灵测试，一台计算机可以通过欺骗人们以为它也是人类来证明人类的智慧。

许多最先进的机器学习方法都基于数十年的概念。 在过去十年中发生的变化是，计算机（和分布式计算平台）现在具有机器学习算法所需的处理能力。 大多数机器学习算法都需要处理大量的矩阵乘法和其他数学运算。 用于管理这些计算的计算技术甚至在二十年前还不存在，但是今天已经存在。

机器学习使程序可以执行质量改进过程并扩展其功能，而无需人工参与。 使用机器学习构建的程序能够更新或扩展自己的代码。

监督学习和无监督学习是最流行的机器学习方法。 两者都需要向机器提供大量数据记录以进行关联并从中学习。 这种收集的数据记录通常称为特征向量。 对于单独的房屋，特征向量可能包括诸如房屋的整体大小，房间数量和房屋的年龄之类的特征。

在监督学习中 ，训练了机器学习算法以正确响应与特征向量有关的问题。 为了训练算法，向机器提供一组特征向量和一个关联的标签。 标签通常由人工注释者提供，代表给定问题的正确“答案”。 学习算法分析特征向量及其正确的标签，以找到它们之间的内部结构和关系。 因此，机器学习正确响应查询。

例如，可以使用特征向量来训练智能房地产应用程序，这些特征向量包括一系列房屋的大小，房间数量和各自的年龄。 贴标签的人会根据这些因素为每个房屋贴上正确的房价。 通过分析这些数据，将对房地产应用程序进行培训