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