什么是机器学习?
本书认为:机器学习,就是让计算机具有人一样的学习能力的技术,是从堆积如山的数据(也称大数据)中找到有用知识的数据挖掘技术。
本章内容:从宏观的角度对机器学习介绍,并进一步说明机器学习的基本概念。
学习的种类
根据所处理的数据种类不同,分为:监督学习、无监督学习和强化学习等几种类型。
注:强化学习,在【北邮-NLP认证项目-人工智能基础】中被视为无监督学习中的一种,当时老师提到由于强化学习不完全是无监督学习,也有人把强化学习单独列出一类,这个就是实例。
监督学习
本书认为:计算机在学习(训练)过程中,有导师进行指导,告知对错提示、正确答案等,计算机根据学习过程所学的知识、经验、技能,来对没有学习过的内容给出“正确”答案。
使得计算机具有泛化能力,是监督学习的最终目标。**
应用:手写文字识别、声音处理、图像处理、垃圾邮件分类与拦截、网页检索、基因诊断、股票预测等,被广泛应用。
典型任务:预测数值型数据的回归、预测分类标签的分类、预测顺序的排序。
无监督学习
本书认为:和有监督相反,没有导师给出正确答案进行反馈,所以他的学习目标是不定不明确的;
应用<