机器学习概述
机器学习的核心是“使用算法解析数据,从中学习,然后对世界上的某件事情做出决定或预测”。这意味着,与其显式地编写程序来执行某些任务,不如教计算机如何开发一个算法来完成任务。有三种主要类型的机器学习:监督学习、非监督学习和强化学习,所有这些都有其特定的优点和缺点。
- 当训练样本带有标签时是有监督学习;
- 训练样本部分有标签,部分无标签时是半监督学习;
- 训练样本全部无标签时是无监督学习。
- 迁移学习就是就是把已经训练好的模型参数迁移到新的模型上以帮助新模型训练。
- 强化学习是一个学习最优策略(policy),可以让本体(agent)在特定环境(environment)中,根据当前状态(state),做出行动(action),从而获得最大回报(reward)。
- 强化学习和有监督学习最大的不同是,每次的决定没有对与错,而是希望获得最多的累计奖励。
机器学习的流程可以大致分为以下几个阶段: