初识Machine Learning

What is Machine Learning

定义

Arthur Samuel：Field of study that gives computers the ability to learn without being explicitly programmed（在没有被明确编程的情况下，赋予计算机学习能力的学习领域）。

Tom Mitchell：A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E（计算机程序从经验E中学习在某一性能度量P下解决某一任务T，因为经验E，它在解决T时的性能，以P来衡量，有所提升）。

Machine Learning 分类:

• Supervised Learning(监督学习)
  从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个函数来预测结果。监督学习的训练集要求是输入和输出，也可以说是特征和目标。训练集中的目标是人为标注的。常见的监督学习算法包括回归和分类。

• Unsupervised Learning(无监督学习)
  无监督学习与监督学习相比，训练集没有人为标注的结果。常见的无监督学习算法有聚类等。

• Semi-supervised Learning（半监督学习）
  这是一种介于监督学习与无监督学习之间的方法。

• Transfer Learning（迁移学习）
  将已经训练好的模型参数迁移到新的模型来帮助新模型训练数据集。

• Reinforcement Learning（增强学习）
  通过观察周围环境来学习。每个动作都会对环境有所影响，学习对象根据观察到的周围环境的反馈来做出判断。

传统的机器学习算法有以下几种：线性回归模型、logistic回归模型、k-临近算法、决策树、随机森林、支持向量机、人工神经网络、EM算法概率图模型等。

转载于:https://www.cnblogs.com/lianshuiwuyi/p/10922470.html