零基础学习人工智能-01 什么是机器学习

1.  什么是机器学习？

1.1. 本质

   根据历史看到的样本，总结规律。

1.2. 机器学习 VS 专家规则

	机器学习	专家规则	说明
样本	全量样本	抽样样本 （优点：最少数据获得最多信息      缺点：很难做到绝对随机，随机采样的误差不好控制）
规律	海量规则  微观级的事物描述（10e9-10e12） （特征更多，规律更精细）	几百条规则  特征数量有限（10e2-10e3）	规则：  根据特征（属性）对样本分类 特征的多少决定了分类的个数
总结	机器总结 (能够看海量样本，总结海量规则的核心原因)	专家总结
	收纳尽可能多的数据，挖掘长尾价值	选取最有效的数据，发挥头部价值

1.3. 机器学习基本原理

定义一个损失函数（错误率），尝试所有的划分方法，取损失函数最小的划分方法。

举例说明：Linear Regression（单变量线性回归）

步骤	函数	含义	公式	说明
1	假设函数 Hypothesis Function	模型		x是特征
2	损失函数 Loss Function	衡量预测值和真实值的差距		求解θ0，θ1， 使得对于训练样例(x,y)， hθ(x)hθ(x)最”接近”y
3	梯度下降法		找到损失函数的局部极小值点

 

实际问题

问题	解决方法
穷举划分方法，导致计算量太大	Mini batch  剪枝
过拟合	正则惩罚