机器学习—介绍

机器学习—介绍

机器学习概念：

   

两种观点：

1、使计算机有学习的能力，在没有给具体程序的情况下。

2、对于给定的任务T，计算机从以前的收集的数据或者经验中学习，而不断的提高自身的性能。

机器学习分类:

在执行某个任务时，是采用无监督的还是有监督的，主要看所给的数据中有没有给出类别，如果有，那就是有监督的。反之，就是无监督的。

1、有监督学习：在训练的时候，不仅给了原始数据矢量，同时也给出原始数据矢量所属于的类别。

     有监督学习主要分成两种，它们主要根据输出的是连续值还是离散值来区分的。它们是分类（离散值）和回归（连续值)。

     从数学的角度来看，有监督学习就是去学习一个映射，也就是一个函数。它是通过已知数据（有标签的数据样本）去寻找一个更好的函数来拟合训练样本和泛化测试样本。更抽象点的，寻找一个更好的，能够从高维空间（原始数据矢量）映射到另一个空间的（标签类别，一般是低维空间，如类别0、1）的函数。

2、无监督学习：只给出原始数据矢量，并没有给出其所属的类别。

    无监督在学习之前并没有给标签，从数据的角度来看，也就是没有先验知识，不知道先验概率，因此，无监督学习的时候，我们需要设定某种规则，让机器从原始数据矢量中去学习某种函数，然后运用这个函数在给特征矢量的情况分出其被归结于那一类。

       

3、增强学习

4、推荐系统

机器学习的应用：

    机器视觉，自然语言处理、语音识别、无人驾驶等等