【机器学习】基本概念

1.数据
以一个表格为例子

整个数据 为数据集
一行为 一个样本
一列为一个特征
最后一列为表达样本的一个特征，也就是标记

如图 表示的是一个特征空间
而通过两者之间的区别 我们可以进行分类
分类任务的本质就是在特征空间划分
而在高维度的空间同理，一般我们都是通过低维度然后再推广到高纬度。

2.特征可以很抽象
数据点

3.机器学习的基本任务
分类和回归

分类任务可以分二分类和多分类，

二分类，判断是否垃圾邮件，股票涨跌
多分类，数字识别，图像识别，风险评级
多标签分类， 比多分类更复杂的存在

对于多分类来说，很多复杂的问题都可以转换成多分类问题

对于多分类，有一些算法只支持完成二分类，但是多酚类可以转换成二分类任务，有些算法天然可以完成多分类任务

回归任务
结果是一个连续数字的值，而非一个类别
比如 房屋价格，市场分析，学生成绩，股票价格等等
一般来说回归任务可以简化分类任务

对于机器学习，

根据不同的模型输出的值的不同来判断分类还是回归。

4.监督学习，非监督学习，半监督学习和增强学习

监督学习
给机器的训练数据 拥有标记或者答案

图像已经拥有了标定信息
银行已经积累了一定的客户信息和他们信用卡的信用情况
市场积累了房屋的基本信息和最终成交的金额

大部分算法都属于监督学习

• k近邻
• 线性回归和多项式回归
• 逻辑回归
• SVM
• 决策树和随机森林

非监督学习

给机器的训练数据没有任何标记或者答案

丢与没有标记的数据进行分类 - 聚类划分

非监督学习的意义
对数据进行降维处理
特征提取： 信用卡的信用评级和人的胖瘦无关
特征压缩：PCA

划一条直线，整体变成一条直线，变成一维的一点

非监督学习的意义

降维处理的意义：方便可视化
异常检测

半监督学习
一部分数据有标记或者有答案，另一部分数据美誉哦
更常见：各种原因产生的标记缺失

通常都先使用无监督学习手段对数据做处理，之后采用监督学习手段做模型的训练和预测

增强学习
根据周围的环境的情况，采取兴趣，根据采取行动的结果，学习行动方式

机器学习的其他分类
在线学习和批量学习（离线学习），参数学习和非参数学习

批量学习

优点：简单
适应环境需要定时重新学习，代价大，有时候不能完成时间不够

在线学习

及时反映新的环境变化，但新的数据可能不准确，需要加强对数据监控，适用于数据量巨大，无法批量学习的环境

参数学习

做假设，一旦学习到参数就不需要原来的数据集

非参数学习
不对模型机型过多的假设
非参数不等于没参数

5.数据即是算法？
数据驱动很重要，收集更多数据，可以提高数据质量，代表性，特征

6.奥卡姆的剃刀
简单就是好

7.没有免费的午餐定理
任意两个算法，他们的期望性可能是相同的。

具体到某个特定问题，有些算法可能更好
但没有一种算法，绝对比另一种算法豪
脱离具体问题，谈那个蒜贩豪是没有意义的
在面都iyig而具体问题的时候，尝试使用多种算法进行对比试验，是有必要。