机器学习(1): 机器学习简介

1. 什么是机器学习?

机器学习是计算机科学的一个分支领域，它赋予了“计算机无需明确编程就能学习的能力”。

让我来解释一下我所说的“不被明确编程”是什么意思。假设您有一个动物(如猫和狗)图像的数据集，并且希望有能够识别和区分它们的软件或应用程序。这里要做的第一件事是将图像解释为一组特征集。例如，图像是否显示了动物的眼睛?如果有，它们的尺寸是多少?它有耳朵吗?尾巴呢?mant腿如何?它有翅膀吗?

在机器学习之前，每个图像都会被转换成一个特征向量。然后传统上，我们必须写下一些规则或方法，以使计算机智能和检测动物。但是，这是一次失败。

为什么?正如您可以猜到的，它需要大量的规则，高度依赖于当前的数据集，而且不够一般化，无法对样本外的情况进行上下文设置。这就是机器学习的出现。

 图1：传统方法采用显式编程

使用机器学习，我们可以建立一个模型来观察所有的特征集，以及它们对应的动物类型，然后学习每个动物的模式。这是一个由机器学习算法建立的模型。它不需要被明确地编程就能进行检测。

图2 建立模型的机器学习方法

---

2 ：机器学习的例子

机器学习以非常有影响力的方式影响着社会。下面是一些现实生活中的例子。你认为Netflex和亚马逊是如何向用户推荐视频、电影和电视鞋的?他们使用机器学习来提出你可能会喜欢的建议!这类似于你的朋友会根据他们对你喜欢看的节目类型的了解，向你推荐一个电视节目。

---

3.主要机器学习技术

• 回归/估计       预测连续值
• 分类              预测案件的项目类别/类别
• 聚类             数据结构的发现;摘要
• 联想             经常发生的项目/事件
• 异常             检测发现异常和异常情况
• 序列挖掘      预测下一个事件;点击流(马尔可夫模型,嗯)
• 减小数据的尺寸(PCA)
• 推荐项目

---

4. 人工智能、机器学习和深度学习的区别

人工智能是一个广泛的通用领域，包括:计算机视觉、语言处理、创造力和总结。

机器学习是人工智能的一个分支，它涵盖了人工智能的统计部分。它通过观察成百上千个例子，从中学习，然后利用这些经验在新的情况下解决同样的问题，从而教会计算机解决问题。

深度学习是机器学习的一个非常特殊的领域，计算机可以自己学习并做出智能决策。与大多数机器学习算法相比，深度学习涉及更深层次的自动化。