学习机器学习第一次笔记

一 、绪论

1.人工智能的一个子领域：

             神经网络:一种以(人工)神经元为基本单元的模型。

             深度学习:一类机器学习问题，主要解决贡献度分配问题。

2.网络结构：

3.路线图：

二、人工智能

         人工智能就是让机器具有人类的智能。"计算机控制"+"智能行为"。

         人工智能分为几个流派：连接主义、符号主义、行为主义。

1.人工智能的研究领域

         图灵测试是促使人工智能从哲学探讨到科学研究的一个重要因素，引导了人工智能的很多研究方向。因为要使得计算机能通过图灵测试，计算机必须具备理解语言、学习、记忆、推理、决策等能力。

          研究领域：机器感知（计算机视觉、语音信息处理、模式识别）

                             学习（机器学习、强化学习）

                             语言（自然语言处理）

                             记忆（知识表示）

                             决策（规划、数据挖掘）

2.人工智能发展历史

        

3.如何开发成一个系统

举例：芒果机器学习（芒果甜不甜）

 1).准备数据

          从市场上随机选取的芒果样本（训练数据)，列出每个芒果的所有特征: 如颜色，大小，形状，产地，品牌，价格以及芒果质量（输出变量)∶甜蜜。

 2).学习

          设计一个学习算法来学习芒果的特征与输出变量之间的相关性模型（ f（x）= y ）。

3).测试 

          下次从市场上买芒果时，可以根据芒果（测试数据)的特征，使用前面计算的模型来预测芒果的质量。

学习知识图：

4.机器学习-表示学习

  当我们用机器学习来解决一些模式识别任务时，一般的流程包含以下几个步骤:

  浅层学习(Shallow Learning): 不涉及特征学习，其特征主要靠人工经验或特征转换方法来抽取。

  1). 什么是好的数据表示？

    “好的表示” 是一个非常主观的概念，没有一个明确的标准。

     但是一般而言，一个好的表示具有以下几个优点：

           应该具有很强的表示能力。

           应该是后续的学习任务变得简单。

           应该具有一般性，是任何任务或领域的独立的。

      数据表示是机器学习的核心问题。

2).表示形式：如何在计算机中表示语义？

   局部表示：离散表示、符号表示、One-Hot向量

   分布式表示：压缩、低维、稠密向量、用O（N）个参数表示O（2^k）区间，k非0参数，k<N

 3). 表示学习：如何自动从数据中学习好的表示。

      通过构建具有一定“深度”的模型，可以让模型来自动学习好的特征表示(从底层特征，到中层特征,再到高层特征)，从而最终提升预测或识别的准确性。

                                      未完待续