说明:来源于网易云课堂——有趣的机器学习视频观后记录
http://study.163.com/course/introduction/1003217019.htm#/courseDetail简介
其他所有注重实践的课程请访问Morvan的主页: http://study.163.com/u/2635988091
一、机器学习的应用
Google公司开发的google now,google photos都是基于机器学习的产物
在百度搜索中,图片识别也是应用到机器学习中的视觉处理系统
金融公司的金融预测,股票涨跌
二、机器学习的分类
以让计算机识别猫和狗为例
1.监督学习:通过指引的方式,让计算机学习我们如何将图片数据对应上图片所代表的物体,这种学习方式称为监督学习(Supervisor) 有数据有标签
2.非监督学习:只给计算机提供猫和狗的图片,并没有告诉它哪些是猫,哪些是狗,取而代之的是让它自己去判断和分类,让它自己总结出这两种类型图片的不同之处,这就是一种非监督学习(UnSupervisor) 只有数据没有标签
3.半监督学习(Semi-Supervisor):它主要考虑如何利用少量有标签的样本和大量没有标签的样本进行训练和分类。
4.强化学习(REINFORCEMENT LEARNNING):在规划机器人的行为准则方面,一种机器学习方法叫作"强化学习”。
把计算机丢到了一个对于它完全陌生的环境或让它完成一项从未接触过的任务。它自己会趣尝试各种手段,最后让自己成功适应这一个陌生的环境或者学会完成这件任务的方法途径。Google开发的AlphaGo就是应用了这种方式。
5.遗传算法:模拟我们所熟知的进化理论,淘汰弱者,适者生存,通过这样的淘汰机制去选择最优的设计或模型。比如这位开发者所开发的计算机学会玩超级mario,最开始的mario1代可能不久就牺牲了,不过系统会基于1代的mario随机生成2代,然后在保存这些代里面最厉害的mario,淘汰掉比较弱的mario,然后再次基于强者“繁衍和变异”生出更强的mario。
借助于Python和它的机器学习模块来实现通俗易懂的机器学习。